工控机python错avx is not support

Question

应该是paddlepaddle需要avx core。
是否是因为CPU不支持AVX指令集的关系？
是intel celeron(r) JT1900的处理器。
如果是，请教下什么CPU支持AVX指令集？

Answer 1

结合GPT给出回答如下请题主参考
是的，这个错误通常是因为CPU不支持AVX指令集的关系。

AVX指令集是一种高级指令集，主要用于执行浮点运算和向量运算，它可以大幅度提升CPU运算速度。根据Intel官方资料，支持AVX指令集的CPU包括Intel Sandy Bridge、Ivy Bridge、Haswell、Broadwell、Skylake、Kaby Lake、Coffee Lake等。

针对您提供的处理器型号，Intel Celeron J1900是Bay Trail系列中的一款处理器，不支持AVX指令集。所以您需要升级您的CPU，才能够支持AVX指令集。

如果您需要在当前的环境中使用PaddlePaddle，可以尝试使用PaddlePaddle的低版本，或者使用其他的机器学习框架。

代码案例：

以下是一个简单的使用PaddlePaddle训练深度学习模型的代码案例：

import paddle.fluid as fluid

### 定义数据输入

image = fluid.layers.data(name="image", shape=[1, 28, 28], dtype="float32")
label = fluid.layers.data(name="label", shape=[1], dtype="int64")

### 定义网络结构

conv_pool_1 = fluid.nets.simple_img_conv_pool(input=image, filter_size=5, num_filters=20, pool_size=2, pool_stride=2, act="relu")
conv_pool_2 = fluid.nets.simple_img_conv_pool(input=conv_pool_1, filter_size=5, num_filters=50, pool_size=2, pool_stride=2, act="relu")
fc = fluid.layers.fc(input=conv_pool_2, size=10, act="softmax")

### 定义损失函数和优化器

loss = fluid.layers.cross_entropy(input=fc, label=label)
avg_loss = fluid.layers.mean(loss)
optimizer = fluid.optimizer.AdamOptimizer(learning_rate=0.001)
optimizer.minimize(avg_loss)

### 定义训练过程

train_reader = paddle.batch(paddle.reader.shuffle(paddle.dataset.mnist.train(), buf_size=500), batch_size=128)
test_reader = paddle.batch(paddle.dataset.mnist.test(), batch_size=128)

place = fluid.CPUPlace()
exe = fluid.Executor(place)

feeder = fluid.DataFeeder(place=place, feed_list=[image, label])

exe.run(fluid.default_startup_program())

epochs = 10
for epoch in range(epochs):
    for batch_id, data in enumerate(train_reader()):
        train_loss = exe.run(feed=feeder.feed(data), fetch_list=[avg_loss])
        if batch_id % 100 == 0:
            print("Epoch: {0}, Batch: {1}, Train Loss: {2}".format(epoch, batch_id, train_loss[0]))

    test_accs = []
    for batch_id, data in enumerate(test_reader()):
        test_acc = exe.run(feed=feeder.feed(data), fetch_list=[fc])
        test_acc = np.array(test_acc[0])
        test_label = data[1]
        test_acc = np.sum(np.argmax(test_acc, axis=1) == test_label) / float(test_label.shape[0])
        test_accs.append(test_acc)
    test_acc = np.mean(test_accs)
    print("Epoch: {0}, Test Accuracy: {1}".format(epoch, test_acc))

以上代码用于训练一个简单的卷积神经网络，用于手写数字识别任务。具体的训练过程可以根据自己的需求进行调整。