這幾天研究了一下FCN(全卷積網絡)，由於電腦配置不夠，用GPU訓練直接報OOM（內存溢出）了， 於是轉戰CPU，當然，這樣會很慢，之後會繼續搞一下，減小一下網絡的複雜度，對一些參數設置一波，看能不能正常跑下來。
記得一開始沒有裝GPU版的tensorflow時用CPU版本跑程序的時候總是報警告：Your CPU supports instructions that this TensorFlow binary was not compiled to use: AVX AVX2，當時沒有太在意，大概搜了一下，就是說你的電腦是支持AVX2的，但是你裝的tensorflow版本卻不支持，當然，如果有GPU的話就可以忽視這個了，畢竟優先使用後者～既然可以更好一點（使用AVX2），那就追求一下完美吧……
網上很大部分資料對於這一塊採取的措施都是屏蔽掉，所謂眼不見心不煩，但這樣只能是自欺欺人啊，治標不治本，於是探究了一下，成功解決了這一問題，現記錄一下：
1. 首先在Anaconda中創建虛擬環境，命名爲cpu_avx2，python版本指定爲3.7，這樣避免出錯崩潰影響到其他程序操作：
2. 在這裏下載對應版本的tensorflow：https://github.com/fo40225/tensorflow-windows-wheel，比如我需要的是CPU+AVX2+Python3.7，那麼我就選擇第二個：
按照路徑提示，在上邊找到對應的.whl文件，對應本次安裝的路徑爲：
3. 將該文件下載下來，放到相應的目錄下（爲了方便建議放到命令窗口對應的目錄下，這樣就不用再切換目錄了，反正只要能找到該文件就行）：
然後打開Anaconda Prompt，進入剛纔創建的虛擬空間cpu_avx2，安裝即可：
完事後可以看一下安裝的包：
整個過程大概持續幾分鐘，需要安裝一些依賴，如果不能下載.whl文件的話就直接在命令窗口使用該命令從github下載安裝：
pip install https://github.com/fo40225/tensorflow-windows-wheel/tree/master/1.14.0/py37/CPU/avx2/tensorflow-1.14.0-cp37-cp37m-win_amd64.whl
友情提示，在Pytharm中要正確選擇編譯器，在本例中我們使用的是虛擬環境cpu_avx2：
這樣以後再跑程序就不會再有如標題所示的警告提醒了，相應的性能也會有所提升，對於無N卡的電腦來說還是很不錯的……
如果.whl文件下載失敗，或是直接使用原路徑安裝也不行的話，你可以留個郵箱，需要哪個我發你～～～
———————如果本篇內容對你有一點點幫助，請點個贊或者收藏關注一下，讓我們一起努力————————