由于现在神经网络这个东西比较火，准确的说是深度学习这个东西比较火，我们实验室准备靠这个东西发几个CCF A类的文章，虽然我不太懂这东西，兴趣也一般都是毕竟要跟随主流的，于是今天安装起了 Tensorflow 这个深度学习的框架。
安装好以后运行一个Demo ,如下：
import tensorflow as tf
a=tf.constant(2)
b=tf.constant(20)
with tf.Session() as sess:
print(sess.run(a*b))
运行结果如下：
2018-05-03 19:57:44.151803: I tensorflow/core/platform/cpu_feature_guard.cc:137] Your CPU supports instructions that this TensorFlow binary was not compiled to use: SSE4.1 SSE4.2 AVX AVX2 FMA
2018-05-03 19:57:44.251905: I tensorflow/stream_executor/cuda/cuda_gpu_executor.cc:892] successful NUMA node read from SysFS had negative value (-1), but there must be at least one NUMA node, so returning NUMA node zero
2018-05-03 19:57:44.252195: I tensorflow/core/common_runtime/gpu/gpu_device.cc:1030] Found device 0 with properties:
name: GeForce GTX 1050 Ti major: 6 minor: 1 memoryClockRate(GHz): 1.62
pciBusID: 0000:01:00.0
totalMemory: 3.95GiB freeMemory: 3.65GiB
2018-05-03 19:57:44.252228: I tensorflow/core/common_runtime/gpu/gpu_device.cc:1120] Creating TensorFlow device (/device:GPU:0) -> (device: 0, name: GeForce GTX 1050 Ti, pci bus id: 0000:01:00.0, compute capability: 6.1)
40
这么一堆东西，一块就知道是没有啥用的警告，当然这是要把那个结果排除的，本打算忽略，不过这么一条警告我觉得我还是应该研究一下，如下：
Your CPU supports instructions that this TensorFlow binary was not compiled to use
这个警告是说我这个Tensorflow 不能支持几种CPU矢量运算的指令码，这东西看起来虽然是然并卵，但是总之是要人看着不太舒服，于是我上网找了找解法，发现大部分人是把警告直接屏蔽，方法如下：
1.
开头输入如下：
import os
os.environ['TF_CPP_MIN_LOG_LEVEL'] = '2'
不过这个法子总是有些不完美，于是继续研究，得到第二个法子：
2. 进 tensorflow 官网，从源码安装
这个法子十分彻底，不过难度太大，这里不进行考虑。
3. 第三个方法，可能是我找到的比较靠谱的一个法子：
参考：https://blog.csdn.net/PJ7410/article/details/78886048
这里面说这个东西是要使你的Tensorflow 支持 SSE4.1 SSE4.2 AVX AVX2 FMA 指令，并给出了一个外国网址：
TensorFlow binaries supporting AVX, FMA, SSE etc.
由于我的个人电脑的配置，我选择下面的安装包：
下载到电脑上后，执行：
sudo pip install --ignore-installed --upgrade tensorflow-1.6.0-cp27-cp27mu-linux_x86_64.whl
然后就是漫长的等待，此时此刻我也是等待中呀，稍后便知是否可行。
经过漫长的等待，大致花了一个小时左右的时间，终于搞定，所有的警告消息都没有了，此法可行。
搞定
来源：oschina
链接：https://my.oschina.net/u/4411425/blog/3986101