我有一个TensorFlow模型来测试一个宽n深度的神经网络，但由于TensorFlow库中的一个错误，我无法让它在我的Windows机器上运行。现在我不得不诉诸谷歌云平台。我已经设置了我的python文件处理输入的所有内容，但是当我通过控制台运行代码时，我收到以下消息：
$ python -m widendeep.py -h
W tensorflow/core/platform/cpu_feature_guard.cc:45] The TensorFlow library wasn't compiled to use SSE3 instructions, but these are available on your machine and could speed up CPU computations.
W tensorflow/core/platform/cpu_feature_guard.cc:45] The TensorFlow library wasn't compiled to use SSE4.1 instructions, but these are available on your machine and could speed up CPU computations.
W tensorflow/core/platform/cpu_feature_guard.cc:45] The TensorFlow library wasn't compiled to use SSE4.2 instructions, but these are available on your machine and could speed up CPU computations.
W tensorflow/core/platform/cpu_feature_guard.cc:45] The TensorFlow library wasn't compiled to use AVX instructions, but these are available on your machine and could speed up CPU computations.
在Windows上运行时不显示这些消息。这是因为我无法通过这种方式通过云运行吗？我是否必须使用 gcloud ml-engine本地火车或 gcloud ml-engine工作提交培训my_job ？任何关于正确方法的指导都会很棒。
答案 0 :(得分：4)
这些消息在Windows上运行时无法显示。这是因为我不能 通过这种方式通过云运行吗？
您可以按原样运行代码，或者至少如果您不能与您列出的警告无关。
这些警告表示您可以通过运行它的机器体系结构从TensorFlow获得更好的性能，因为它支持比编译时更高级的指令集。
我是否必须使用gcloud ml-engine本地火车或gcloud ml-engine工作 提交培训my_job？
我对Google云不太熟悉（目前我自己使用亚马逊），但我可以说，如果您确实需要使用上述命令，则与上面列出的警告无关。 / p>
这些警告适用于CPU指令集及其与GPU交互的方式，因此性能改进可能会有所不同（或根本不存在），具体取决于您的具体应用。
如果你想确定你正在使用运行程序的硬件的全部潜力，你需要在你运行的平台上编译TensorFlow（检查How to compile Tensorflow with SSE4.2 and AVX instructions?）。