前言

作为算（diao）法（bao）工作者，最常用的工具之一就是深度学习框架，在众多框架之中，TensorFlow及其高层封装Keras是非常受欢迎，也是绝对用户数最多的。同时，在深度学习的研究中，GPU是必不可少的，因为它能够加速训练与推理，带来速度上质的飞越，显卡的档次从根本上决定了速度提升幅度。然而，很少有人关注其在CPU上的性能问题，尽管在CPU上只能跑一些小模型，才能把训练时间缩小到可接受范围内。然而，安装或获取TensorFlow的途径有很多种，是否会明显影响TensorFlow在CPU上的性能表现呢？本文探讨了不同安装或获取途径下TensorFlow(Keras)上的性能差异。时间有限，可能有些不严谨或不合理的地方，仅供参考，欢迎评论区提出建议！

研究环境与对象

软硬件环境

• 系统：Ubuntu 18.04 LTS，非虚拟机
• 处理器：Intel Core i5-8250U @ 1.6 GHz 四核八线程
• 内存：8.00 GB
• Python版本：3.6，基于Anaconda 5.2.0

研究对象

• 4种获取方式下的TensorFlow，版本1.12
  • pip install tensorflow==1.12.0：直接使用pip安装
  • pip install intel-tensorflow==1.12.0: 使用pip安装针对Intel CPU优化过的tensorflow（使用了MKL-DNN）
  • conda install tensorflow==1.12.0: 直接使用conda安装
  • 源码安装：本地编译谷歌开源的TensorFlow源码生成whl文件，再进行pip安装，参考：https://blog.csdn.net/qq_30262201/article/details/101900979

分别以以上4种获取方式下的TensorFlow作为backend安装Keras，版本2.2.4，由于Keras只是对TensorFlow的高层封装，真正决定其性能的仍然是低层的TensorFlow。

• 运行例程：keras官方mnist例程：https://github.com/keras-team/keras/blob/master/examples/mnist_cnn.py ，运行时不借助任何IDE，直接在控制台中调用python3 mnist_cnn.py
• 评判标准：修改以上例程中的epoch为10，分别在4种TensorFlow的获取方式，batch_size为16,32,64,128的情况下训练CNN网络，取跑完每个epoch的平均时间进行比较。为最大程度保证每个组合条件下各方面的一致性，每修改完一次参数，都要重新运行代码，而不是通过循环修改batch_size或其他参数。

实验结果与分析

pip install intel-tensorflow==1.12.0

为什么先说这个呢？因为这个变种的TensorFlow需要一些配置才能达到最优性能。主要是设定TensorFlow的device_count、intra_op_parallelism_threads和inter_op_parallelism_threads，几个参数的说明可参考https://blog.csdn.net/rockingdingo/article/details/55652662。在我们的环境中，CPU是物理四核的，结合试验，发现device_count和intra_op_parallelism设定为4时可以达到最优性能，再将后两者增大已经无法明显提升速度；而例程模型只是一个简单的序列式CNN，不存在独立的path，结合试验，发现inter_op_parallelism_threads设定为1是最好的，即在以上的例程前面的导包(import …) 部分加入以下代码：

from keras import backend as K import tensorflow as tf config = tf.ConfigProto(device_count={"CPU": 4}, # limit to num_cpu_core CPU usage                 inter_op_parallelism_threads = 1,                  intra_op_parallelism_threads = 4,                 log_device_placement=False)  sess = tf.Session(config=config) K.set_session(sess) # 设定keras的session使设置能真正生效 

同时为了对比设置前后的影响，还对默认情况下的速度做了测试，即去除上述的config和keras session设定。最终的结果如下图所示：

其中：

• seconds / epoch(default) 表示在默认配置下不同batch_size时，每个epoch的平均耗时，单位为秒；
• seconds / epoch(config) 表示经过上述的device_count、intra_op_parallelism_threads和inter_op_parallelism_threads配置后，不同batch_size时每个epoch的平均耗时。
• 柱状图上的数字就是具体的秒数。

可见经过多线程配置，Intel TensorFlow的性能是有一个明显提升的，大约为20%~30%，batch越大提升比例越大。为了方便与其他3种获取方式对比，这里取keras官方mnist例程默认的batch_size=128情况下，默认与配置两种方式中最快的结果，这里就是56.363 s / epoch，下面几个都遵循这个规则。

• 注意有小坑：Intel TensorFlow卸载时要pip uninstall intel-tensorflow，而不是pip uninstall tensorflow！！！（尽管在pip list中只能看到tensorflow）否则会导致卸载不干净，再安装时会有安装不上的情况！！！如果真遇到这种情况（错误使用了pip uninstall tensorflow卸载导致后续安装不上tensorflow）去pip安装包路径下，比如anaconda的包路径一般是…/anaconda/lib/site-packages/下（如果是在某个虚拟环境下，那就是…/anaconda/envs/虚拟环境名/lib/site-packages/下），删除所有带intel tensorflow和tensorflow的文件夹，应该就可以了。

pip install tensorflow==1.12.0

此种方式是最方便快捷的，应该也是最常用的。pip会直接拉取镜像中适合当前系统和版本的TensorFlow whl文件，并更新其依赖的包，最后安装TensorFlow。整个过程都是自动的，如果不是本身环境有问题，成功率极高，没什么特别的坑。同样的，做跟上述intel tensorflow一模一样的实验，得到结果：

与上述的intel tensorflow有两点不同：

• 随着batch增大，每个epoch耗时减小程度不如intel tensorflow明显
• 经过多线程配置（seconds/epoch(config)），耗时相比默认反而增大了

推测出现上述情况的原因是由于未使用MKL-DNN，普通tensorflow对多线程的优化不够好。根据上面的规则，还是取batch_size=128下的最快速度，这里是90.984 s / epoch。而intel-tensorflow的时间是56.363 s / epoch，可见：

• batch较大时，使用intel-tensorflow比普通pip安装的tensorflow明显更快，在这里的例程中，batch_size=128时可比普通pip安装的tensorflow快 (90.984-56.363) / 90.984~ 38%左右；batch_size=64时快(94.238 – 72.032) / 94.238 ~23%左右。
• batch较小时，intel tensorflow的优势就无法体现了。比如batch_size=32时，intel-tensorflow的时间是101.755 s /epoch，与普通tensorflow的101.149 s / epoch 持平。batch_size=16时，intel-tensorflow甚至要明显慢于普通tensorflow。

conda install tensorflow==1.12.0

之前早就看到过有文章说，使用conda安装的tensorflow具有更快的速度。conda安装命令也很简单，直接输入conda install tensorflow==1.12.0就好了，剩下的就交给conda完成。进行跟上面相同的实验，得到结果：

果然，conda安装的tensorflow在性能上的优势十分明显，而且经过多线程配置后还可以更快一点。**batch_size=128时，最快速度为44.877s / epoch，比intel-tensorflow快了 (56.363 – 44.877) / 56.363~ 20%左右，比普通pip安装的tensorflow快了 (90.984 – 44.877) / 90.984 ~ 51%左右，相当于速度提升了1倍！**而batch_size=64时也比普通tensorflow快了44%左右。
那这种方式有什么缺点呢？还是在于conda本身，使用门槛比pip要高不少。而且conda install的速度一般比较慢，尤其是在你长时间没有更新过时，每次安装会更新一大批有必要和没必要的包，等待时间比较长。而且，这个过程也容易出问题，说不定就把你前期辛辛苦苦配的环境更新的面目全非，甚至可以改掉你的主Python版本(这个我遇到过，都是泪…) ，从而带来新的问题。感觉应该可以通过配置抑制该问题的产生，不过还是那句话，这样门槛就高了，方便性打了折扣。所以，如果真的要使用conda获取tensorflow以得到更高的性能，建议在配环境之初就装好，不要再轻易更新或改动，其他包如果不是特别有必要用conda，尽量使用pip来管理。

源码安装tensorflow

如果是通过以上几种方式安装的tensorflow，相信对这句警告不陌生：

I tensorflow/core/platform/cpu_feature_guard.cc:141] Your CPU supports instructions that this TensorFlow binary was not compiled to use: AVX2 

这个”was not compiled to use:”后面包括但不限于AVX2，SSE等一系列字母缩写。如果你去百度原因，很容易就知道这是因为没有使用源码编译安装，没有针对你本地的CPU进行“优化”导致的。轻度强迫症患者可以通过配置tensorflow的日志级别屏蔽该警告，而像本人这样的重度强迫症患者，又加上要探究源码编译安装到底能不能带来性能提升，此种掩耳盗铃式的解决方案显然不能接受！于是乎，找到了一篇参考博客，一步步来编译和安装：https://blog.csdn.net/qq_30262201/article/details/101900979 …，殊不知，使用源码编译安装是个体力活：

• 环节多：git clone源码，bazel安装，tensorflow配置，bazel编译…
• 坑多：原始git clone 网速慢，clone一个史诗级代码量的tensorflow工程耗时可想而知；tensorflow编译需要拉取的依赖包众多，加上“墙”的缘故，极易下载失败，重复下载是无法解决的；也有可能因为bazel或g++的版本冲突导致失败，不过幸好我没遇到。更多的可参考下面这个博客，里面也有一些解决方法：https://blog.csdn.net/surtol/article/details/97638399 （里面那个搭建本地Nginx服务器解决依赖包无法拉取的问题，仅在.bzl文件中添加本地下载地址是不够的，很有可能通不过sha256码校验而无法编译，这时要看报错信息中实际文件的sha256码是什么，同时把.bzl文件中的”sha256″字段修改为实际的sha256码）
• 耗资源多：当然也是因为我的笔记本比较弱鸡，bazel编译足足花了近3个小时，整个过程中CPU占用100%，内存全部耗尽，要不是我设定的内存交换区(swap)比较大，编译就崩溃了。

总之，费尽千辛万苦，终于成功源码安装，实验！出结果：

**总体趋势跟普通pip安装的tensorflow差不多。batch_size=128时默认情况下更快，为76.648s / epoch，相比普通pip安装快了 (90.984 – 76.648) / 90.984 ~ 16%；**相比intel-tensorflow和conda tensorflow都明显要慢。也就是说，有点费力不讨好的意思了。不过可以聊以慰藉的是，上面说的警告真的没有了，很干净，一下子治好了多年的强迫症！

总结

一张表说明问题：

建议：

普通pip安装TF：适合初学者学习和入门，速度无要求
intel-TF：使用intel CPU，大batch情况下比较推荐，CPU越高档（核数越多）越推荐
conda-TF：速度要求较高，初始环境配置时推荐安装
源码安装TF：如果不是有特殊需求不推荐

最后：

能上Nvidia的显卡还是上，其实我的笔记本上有一个Nvidia MX150的超弱鸡显卡，才384个CUDA核心，2G显存。跑相同的keras mnist例程，速度就可以达到17 s / epoch；之前我在自己的GTX 1070Ti显卡上也跑过这个例程，有2432个CUDA核心，8G显存，速度可以达到 4s / epoch；恐怕更高档的显卡速度会更恐怖。所以，哪怕是弱鸡的显卡，对CPU的性能也是碾压的，中高端的显卡更是跟CPU的速度不在同一个世界。