Linux运行TensorFlow报AVX2 FMA指令不支持告警且GPU使用异常如何解决

核心问题说明 #

首先你看到的「Your CPU supports instructions that this TensorFlow binary was not compiled to use: AVX2 FMA」是信息级提示，并非报错，仅说明当前使用的TensorFlow预编译包未适配CPU的AVX2/FMA指令集，CPU运行效率会略低，完全不影响GPU功能调用，也不是导致程序异常的原因。

1. 修复日志输出问题 #

你之前设置os.environ['TF_CPP_MIN_LOG_LEVEL'] = '2'会屏蔽所有info、warning级日志，仅保留错误日志，所以看不到常规输出。你可以将参数改为1，即可屏蔽AVX2这类info级提示，同时保留warning、error等有效日志输出，配置代码如下：

# 放在所有import语句最前面
import os
os.environ['TF_CPP_MIN_LOG_LEVEL'] = '1'
os.environ["CUDA_VISIBLE_DEVICES"]="0"

2. 解决tensorflow-gpu安装后core dumped问题 #

该问题是由TensorFlow版本、本地CUDA版本、cuDNN版本三者不兼容导致，Colab能正常运行是因为平台已经预配置了三者的兼容组合，和代码本身无关，按以下步骤修复即可：

• 先卸载当前环境所有TensorFlow相关残留包：
  pip uninstall -y tensorflow tensorflow-gpu tensorflow-estimator tensorboard
• 确认你本地安装的CUDA、cuDNN版本，安装对应兼容的TensorFlow版本，参考对应关系：
  • 本地CUDA 11.2 + cuDNN 8.1 对应安装 TensorFlow 2.10
  • 本地CUDA 12.2 + cuDNN 8.9 对应安装 TensorFlow 2.15
• 如果你本地没有手动装过CUDA、cuDNN，也可以直接用conda安装，conda会自动匹配依赖版本：
  conda install tensorflow-gpu=2.10 cudatoolkit=11.2 cudnn=8.1
• 安装完成后运行以下测试代码，确认GPU能被正常识别：

  import tensorflow as tf
  print(tf.config.list_physical_devices('GPU'))
  

  只要输出中包含你的GPU型号，即代表配置生效，GPU可正常使用。

额外说明 #

TensorFlow 2.1之后官方提供的通用tensorflowpip包已经同时支持CPU和GPU运行，不需要单独安装tensorflow-gpu包，只要CUDA、cuDNN版本匹配，普通版TensorFlow也能正常调用GPU。卸载TensorBoard的方案完全不相关，不需要操作。

内容的提问来源于stack exchange，提问作者Edward Chailey Smith