libs(libsandy)真没想到

当TensorFlow建立在英特尔® MKL-DNN时，一些人不愿意基于源代码编译TensorFlow，去提升CPU性能，而英特尔®Tensor

 

英特尔®TensorFlow * 1.9优化版现在已经进入使用阶段当TensorFlow建立在英特尔® MKL-DNN（用于深度神经网络的英特尔®数学内核库）时，一些人不愿意基于源代码编译TensorFlow，去提升CPU性能，而英特尔®TensorFlow * 1.9优化的这些二进制包就为这些人提供了方便。

除了支持英特尔®MKL-DNN之外，在生成二进制文件之前，以下补丁可用于源代码： 将curl库升级到7.60的补丁请参阅https://github.com/tensorflow/tensorflow/pull/20181 。

包含英特尔®MKL-DNN许可证文件的补丁，请参阅https://github.com/tensorflow/tensorflow/pull/20936 代号为Sandy Bridge和Ivy Bridge的旧款英特尔处理器提高英特尔MKL-DNN性能的补丁，请参阅。

https://github.com/tensorflow/tensorflow/pull/20576 以下是详细的发布说明二进制文件可作为 python whl packages和Docker containers使用。

Python* Packages (whls)有三个可用的python packages：Python packages配置Python 2.7https://storage.googleapis.com/intel-optimized-tensorflow/tensorflow-1.9.0-cp27-cp27mu-linux_x86_64.whl

Python 3.5https://storage.googleapis.com/intel-optimized-tensorflow/tensorflow-1.9.0-cp35-cp35m-linux_x86_64.whl

Python 3.6https://storage.googleapis.com/intel-optimized-tensorflow/tensorflow-1.9.0-cp36-cp36m-linux_x86_64.whl

若要安装英特尔Tensorflow优化版，请运行下面的一个指令将wheel安装到现有的Python* installation中，最好是Intel® Distribution for Python*：#Python 2.7

Pip installhttps://storage.googleapis.com/intel-optimized-tensorflow/tensorflow-1.9.0-cp27-cp27mu-linux_x86_64.whl

#Pthon 3.5Pip installhttps://storage.googleapis.com/intel-optimized-tensorflow/tensorflow-1.9.0-cp35-cp35m-linux_x86_64.whl

#Python 3.6Pip installhttps://storage.cloud.google.com/intel-optimized-tensorflow/tensorflow-1.9.0-cp36-cp36m-linux_x86_64.whl

Docker Images获取并运行容器这些docker镜像都发布在http://hub.docker.com的intelaipg / intel-optimized-tensorflow命名空间中，可以使用以下命令进行拉取：

$ docker pull docker.io/intelaipg/intel-optimized-tensorflow：例如，直接运行python 2.7数据科学容器$ docker run -it -p 8888：8888 intelaipg / intel-optimized-tensorflow

然后在 http：// localhost：8888 / 上转到您的浏览器 可用的配置容器可以使用以下标签/配置：

发行说明这些发行说明仅适用于构建支持英特尔®MKL-DNN的TensorFlow时引入的更改有关TensorFlow 1.9中引入的功能和修复，请参阅TensorFlow 1.9 发行说明 新功能使用MKL构建时更改了inter_op_parallelism_threads默认值，以避免线程过度订阅。

添加了默认的OpenMP* OMP设置，在使用MKL内核时，这些设置可以提高性能增加了查询CPUID的功能，以保证Intel 64位体系结构上每个物理内核上的超线程数量绩效改进将英特尔MKL-DNN升级至版本0.14。

将KMP_BLOCKTIME 环境变量更改为0增加默认的inter_op_parallelism_threads参数以避免过于保守通过重用MKL-DNN原语来增强Conv2d 性能其他变化删除了已弃用的StringPiece 类的使用。

更新了基于64字节对齐的tensorflow / compiler / aot测试更新了Tensor.Slice_Basic 以进行64字节对齐更新了Scoped Allocator ConcatOp Test.Reshape 以进行64字节对齐

Bug修复修复了MKL_ML 操作的注册问题修复了BFCAllocator : Extend 对齐问题修复了使用旧版本gcc时与MklConcat 相关的构建问题修复了AVX512版本中的对齐崩溃问题修复了convrnn 单元测试失败的问题。

修复了 mkl_layout_pass_ 测试失败的问题修复了启用MKL-DNN构建时util_cuda_kernel_helper_test_gpu 失败的问题修复了内存分配检查失败下的英特尔MKL-DNN单元测试问题。

修复了// tensorflow / python / profiler：model_analyzer_test中的失败问题修复了在Mac上查找libhdfs.so 时的错误; Mac OS使用libhdfs.dylib。

修复了不需要重新排序时mkl_input_conversion 操作中的错误设置EIGEN_MAX_ALIGN_BYTES = 64 以防止在使用AVX512支持编制时执行单元测试期间发生崩溃修复了单元测试single_machine_test.cc，因为启用了英特尔MKL-DNN时插入了特殊节点。

已知问题TensorFlow 1.9分支后修复了以下问题：使用gcc6.3构建，在链接时未定义对dladdr的引用使用英特尔MKL-DNN时，Concat-related ops在混合格式/布局中失败MklConv2DWithBiasBackpropBias只可以在使用英特尔MKL-ML进行编译时注册。