MacOS Spyder环境下TensorFlow SSE4.1/AVX等CPU指令启用问题求助

首先，先看你运行的这段Keras代码：

from keras.datasets import imdb as im
from keras.preprocessing import sequence as seq
from keras.models import Sequential
from keras.layers import Embedding
from keras.layers import LSTM
from keras.layers import Dense
train_set, test_set = im.load_data(num_words = 10000)
X_train, y_train = train_set
X_test, y_test = test_set
X_train_padded = seq.pad_sequences(X_train, maxlen = 100)
X_test_padded = seq.pad_sequences(X_test, maxlen = 100)
model = Sequential()
model.add(Embedding(input_dim=10000, output_dim=128))
model.add(LSTM(units=128))
model.add(Dense(units=1, activation='sigmoid'))
model.compile(loss='binary_crossentropy', optimizer='sgd', metrics=['accuracy'])
scores = model.fit(X_train_padded,y_train)

运行时弹出的这段提示：

I tensorflow/core/platform/cpu_feature_guard.cc:145] This TensorFlow binary is optimized with Intel(R) MKL-DNN to use the following CPU instructions in performance critical operations: SSE4.1 SSE4.2 AVX AVX2 FMA
To enable them in non-MKL-DNN operations, rebuild TensorFlow with the appropriate compiler flags.
I tensorflow/core/common_runtime/process_util.cc:115] Creating new thread pool with default inter op setting: 4. Tune using inter_op_parallelism_threads for best performance.

别担心，这不是错误，只是TensorFlow给你的性能优化提示而已！

拆解下提示的含义： #

• 第一段提示：你安装的TensorFlow预编译包已经用Intel MKL-DNN做了优化，会在核心计算操作里自动调用你CPU支持的SSE4.1、SSE4.2等指令集来加速运算。后面那句“非MKL-DNN操作需重新编译启用”完全不用在意——普通用户根本不需要自己编译TensorFlow，官方包的MKL-DNN优化已经覆盖了绝大多数常用场景，性能足够用。
• 第二段提示：TensorFlow默认创建了4个线程的线程池来处理并行计算，如果你想极致优化性能，可以调整inter_op_parallelism_threads参数，但这属于进阶操作，对你当前的IMDB情感分类任务来说，默认设置完全能正常运行。

你接下来的操作： #

直接忽略这些提示就好！你的代码已经在正常执行了，稍等一会儿就能看到训练过程的loss和accuracy输出。如果后续真的出现报错再排查问题，目前这些只是正常的日志信息，不是故障。

另外你的配置：osx-64，MacOS Mojave v.10.14.6，Python 3.7（搭配Anaconda的Spyder），conda版本4.7.12，TensorFlow 1.14.0，这些都是完全没问题的，和当前提示没有冲突。

内容的提问来源于stack exchange，提问作者Ahsan Khan