Conda环境下TensorFlow因AVX缺失报错的解决方法问询

1. 通过Conda编译TensorFlow安装 #

第一步：编写environment.yml配置文件 #

该文件定义编译TensorFlow所需的依赖环境：

name: tf-noavx-build
channels:
  - conda-forge
  - defaults
dependencies:
  - python=3.10  # 选择与目标TensorFlow版本兼容的Python版本（如TF2.15支持3.8-3.11）
  - bazel=5.3.0  # 匹配TensorFlow版本的bazel（TF2.12+对应bazel5.x）
  - numpy=1.23.5
  - pip
  - setuptools
  - wheel
  - cmake
  - make
  - gcc_linux-64=11.2.0  # 提供编译所需的GCC编译器

第二步：创建并激活Conda环境 #

conda env create -f environment.yml
conda activate tf-noavx-build

第三步：编译TensorFlow #

1. 克隆TensorFlow源码并切换到目标版本分支（以最新稳定版2.15为例）：

git clone https://github.com/tensorflow/tensorflow.git
cd tensorflow
git checkout r2.15

2. 配置编译参数：
   执行./configure，在交互过程中，当询问CPU指令集优化相关选项时，选择禁用AVX、AVX2、FMA等扩展（输入n跳过对应优化选项）。
3. 编译并生成wheel包：

bazel build --config=opt --copt=-mno-avx --copt=-mno-avx2 --copt=-mno-fma //tensorflow/tools/pip_package:build_pip_package
./bazel-bin/tensorflow/tools/pip_package/build_pip_package ./tf_pkg

4. 安装编译好的TensorFlow：

pip install ./tf_pkg/tensorflow-*.whl

2. 通过Conda安装无需AVX支持的最新TensorFlow版本 #

官方Conda仓库的TensorFlow默认启用AVX优化，因此需要依赖社区维护的无AVX预编译包：

• 添加conda-forge频道（社区包主要发布渠道）：

conda config --add channels conda-forge

• 搜索并筛选无AVX版本：

conda search tensorflow --channel conda-forge

查看搜索结果中的版本备注，寻找带有nomkl或明确标注无AVX优化的版本。

• 安装对应版本（以2.15.0为例，需替换为实际找到的无AVX版本号）：

conda install tensorflow=2.15.0 -c conda-forge

如果conda-forge没有合适的包，也可以先创建Conda环境，再通过pip安装第三方预编译的无AVX TensorFlow wheel包。

3. 其他解决途径 #

• 升级硬件/虚拟机：你已申请带AVX能力的虚拟机，这是最优解，更换后可直接使用官方标准TensorFlow包，无需额外配置。
• 使用第三方无AVX wheel包：寻找社区发布的无AVX依赖的TensorFlow wheel包，下载后在Conda环境中执行pip install [wheel文件名]安装，注意匹配Python版本和系统架构。
• 迁移到TensorFlow Lite：如果业务场景允许，TensorFlow Lite对CPU指令集要求更低，可适配无AVX的硬件环境，适合推理场景。
• 使用无AVX Docker镜像：寻找社区构建的无AVX支持的TensorFlow Docker镜像，直接拉取使用，跳过本地编译或安装的繁琐步骤。

内容的提问来源于stack exchange，提问作者Megidd