KVM架构VPS中运行Python TensorFlow库的方案咨询

• 适配Python 3.9的官方TensorFlow版本最低为2.5.0，该版本及后续官方版本编译时默认启用SSE4.1指令集优化。从lscpu输出的CPU Flags列表看，当前KVM虚拟机未暴露sse4_1指令集支持，因此导入时直接报错。
• 安装TensorFlow 1.5失败是因为该版本发布时仅适配到Python 3.6，不存在适配Python 3.9的预编译安装包，pip无法找到匹配的分发版本。
• 当前识别到的CPU型号为Common KVM processor是KVM默认的通用兼容CPU模型，为保障跨宿主机迁移兼容性，默认会屏蔽SSE4.1、AVX等高级指令集，并非物理CPU本身不支持这些指令集。

方案1：修改VPS的KVM CPU模式（最优） #

直接联系VPS服务商，要求将实例的CPU模式从默认的common调整为host-passthrough或host-model，调整完成后重启VPS，再通过lscpu确认Flags中出现sse4_1标识后，直接执行pip3 install tensorflow安装官方版本即可正常运行，该方案下TensorFlow性能无损失。

部分支持自助配置的VPS面板可直接在设置页调整CPU模式，无需提交工单。

方案2：安装第三方编译的无SSE4.1依赖TensorFlow包 #

如果服务商不支持调整CPU模式，先卸载已安装的官方TensorFlow版本，再安装社区为低指令集CPU预编译的对应安装包：

1. 卸载原有版本：

pip3 uninstall -y tensorflow tensorflow-cpu

2. 选择适配Python 3.9、x86_64架构、关闭SSE4.1依赖的TensorFlow wheel包安装即可，安装完成后可直接导入使用。

该类编译包关闭了高级指令集优化，运行性能比官方版本低10%-30%，可满足学习、轻量模型训练调试需求。

方案3：降级Python版本适配早期TensorFlow #

TensorFlow 1.5版本编译时仅要求SSE3指令集支持，当前CPU Flags中已包含SSE3（标识为pni），可通过多版本Python环境安装该版本使用：

1. 安装pyenv及Python编译依赖：

apt update && apt install -y make build-essential libssl-dev zlib1g-dev libbz2-dev libreadline-dev libsqlite3-dev wget curl llvm libncurses5-dev libncursesw5-dev xz-utils tk-dev

2. 部署pyenv环境后，将相关环境变量写入~/.bashrc并执行source ~/.bashrc生效，之后安装Python 3.6版本：

pyenv install 3.6.15

3. 创建独立虚拟环境安装TensorFlow 1.5：

pyenv virtualenv 3.6.15 tf-env
pyenv activate tf-env
pip install tensorflow==1.5

注意：TensorFlow 1.5版本发布时间较早，和新版机器学习相关API存在兼容性问题，仅适合运行旧版本代码场景。

不推荐方案：自行编译TensorFlow #

可拉取TensorFlow源码，在编译配置阶段关闭SSE4.1、AVX等高级指令集选项，自行编译适配当前CPU的安装包。但该过程在1核配置VPS上需要3-5小时，且容易出现依赖报错，无特殊定制需求不建议尝试。

内容的提问来源于stack exchange，提问作者Freude