Tensorflow 警告：TensorFlow 不是使用与计算能力 8.6 兼容的 CUDA 内核二进制文件构建的

Question

我有一个旧的 Intel Core i7 950 CPU，没有 AVX 支持，一个较新的 NVIDIA RTX 3060 Ti GPU，具有计算能力 8.6，以及 Windows 10 操作系统。尽管默认的 Tensorflow 发行版需要 AVX 支持，但经过多次尝试和错误后，我能够从thiswheel安装 Tensorflow，该轮子是为不支持 AVX 的 CPU 编译的。 为此，我必须降级到 python 3.9、CUDA 11.7、cudnn 8.9.5 和 NumPy 1.22.4。 现在，当我在 python 中

import tensorflow as tf

时，我没有收到错误消息耶！ 然而，当我尝试这个功能：

tf.config.list_physical_devices('GPU')

时，我得到：

W tensorflow/core/common_runtime/gpu/gpu_device.cc:1943] TensorFlow was not built with CUDA kernel binaries compatible with compute capability 8.6. CUDA kernels will be jit-compiled from PTX, which could take 30 minutes or longer.

请参阅下面的实际输出：

C:\Users\Luca>python
Python 3.9.13 (tags/v3.9.13:6de2ca5, May 17 2022, 16:36:42) [MSC v.1929 64 bit (AMD64)] on win32
Type "help", "copyright", "credits" or "license" for more information.
>>> import tensorflow as tf
>>> tf.config.list_physical_devices('GPU')
2023-09-23 11:37:43.077533: W tensorflow/core/common_runtime/gpu/gpu_device.cc:1943] TensorFlow was not built with CUDA kernel binaries compatible with compute capability 8.6. CUDA kernels will be jit-compiled from PTX, which could take 30 minutes or longer.
[PhysicalDevice(name='/physical_device:GPU:0', device_type='GPU')]
>>> tf.config.list_physical_devices('GPU')
[PhysicalDevice(name='/physical_device:GPU:0', device_type='GPU')]

现在，第一次我运行它时，确实花了大约30分钟才能得到结果，现在每次我运行它，我都会得到相同的输出，但结果是立即（即不必须等待 30 分钟才能得到

[PhysicalDevice(name='/physical_device:GPU:0', device_type='GPU')]

。请注意，当我在同一会话中运行相同的函数时，我不会再次收到警告。

什么原因导致每次都出现警告？
如何摆脱它？

谢谢

卢卡

Answer 1

我不确定为什么我被降级，但是通过谷歌搜索“抑制”一词，我找到了我的

第二个问题的答案：

方法一（从

这里学来的）：

import os

# Value for TF_CPP_MIN_LOG_LEVEL
# 0 = all messages are logged (default behavior)
# 1 = INFO messages are not printed
# 2 = INFO and WARNING messages are not printed
# 3 = INFO, WARNING, and ERROR messages are not printed

os.environ['TF_CPP_MIN_LOG_LEVEL'] = '2'

方法2（从

这里学来的）：

pip install silence_tensorflow 然后添加：

from silence_tensorflow import silence_tensorflow
silence_tensorflow()

我仍然不知道第一个问题的答案...

谢谢