TensorFlow不兼容GPU计算能力8.6的警告问题求助

1. 为何每次新会话都会出现该警告？ #

你安装的这个适配无AVX CPU的TensorFlow预编译包，没有预先针对RTX 3060 Ti的计算能力8.6编译对应的CUDA内核二进制文件。每次启动新的Python会话时，TensorFlow会检测GPU的算力规格，发现没有匹配的预编译内核，就会弹出这个警告，提示要从PTX代码即时编译（JIT）CUDA内核。

而JIT编译的结果只保存在当前会话的内存里，关闭会话后就会被释放，所以每次新开会话都要重新做一次检测，自然每次都会触发这个警告，首次运行时还得重新编译，所以耗时久。

2. 如何消除此警告？ #

给你几个可行的解决办法：

• 方法一：使用同时适配无AVX CPU和算力8.6 GPU的TensorFlow包
  找现成的或者自己编译一个TensorFlow wheel，要求同时支持无AVX的i7 950，以及算力8.6的GPU。自己编译的话，要在编译参数里指定--config=cuda和--cuda-compute-capabilities=8.6，同时关闭AVX相关的编译选项。
• 方法二：直接屏蔽这个警告
  在代码开头加几行配置，把这个警告藏起来：

  import tensorflow as tf
  # 直接把TensorFlow的日志级别调到ERROR，屏蔽所有警告
  tf.get_logger().setLevel('ERROR')
  
  # 或者更精准地只屏蔽这个特定警告
  import warnings
  warnings.filterwarnings("ignore", category=UserWarning, message=r".*TensorFlow was not built with CUDA kernel binaries compatible with compute capability.*")
  

  注意：这种方法只是看不到警告了，JIT编译的问题还在，首次运行还是会慢。
• 方法三：让JIT编译结果缓存到磁盘
  TensorFlow默认会把JIT编译的结果缓存到磁盘，但可能因为权限或路径问题没生效。你可以手动指定缓存目录，确保自己有读写权限：

  import os
  # 设置缓存路径，替换成你有权限的文件夹
  os.environ['CUDA_CACHE_PATH'] = 'C:/temp/cuda_cache'
  import tensorflow as tf
  

  首次编译完成后，后续新开会话就能读取缓存的编译结果，不仅速度会快很多，警告可能也会减少（或者至少不会再因为编译耗时久而影响使用）。

内容的提问来源于stack exchange，提问作者Thot