我已经使用支持 AVX2 的最新 Visual Studio 社区从 master 分支（commit 8cb6e535）构建了 tensorflow，并将性能与 anaconda（1.7.0）提供的最新 tensorflow 构建进行了比较，该构建使用 SSE 而不是 AVX（ “您的 CPU 支持未编译此 TensorFlow 二进制文件以使用的指令：AVX AVX2”）。
结果是在我的网络架构（Conv2D、MaxPool、ReLU、LSTM、Dense）上，conda 构建比自定义构建更快：
批量大小 32, 0.00302s vs 0.00237s（每个样本，快 20% 以上）
结果是几千个批次的平均值，并省略了前几个平均值以防止预热效应。
一些想法：
- anaconda 构建使用 MKL（用于 Eigen/TF）
- cmake 脚本中的一个错误阻止了 SIMD 的使用（并且 anaconda 使用 bazel 构建），或者需要做更多的工作才能在 cmake 构建中实际启用 SIMD 扩展（请参阅下文了解我的构建方式）
- anaconda 使用 cmake 构建，但使用其他一些 cmake/编译器设置（/GL、/fp:fast、PGO？...）
- 整体构建速度更快（在 cmake 构建脚本中找不到该选项）
有没有人做了一个比 anaconda 构建更快的 windows 构建？或者知道 anaconda 人做了什么来快速构建？
谢谢
构建细节
我正在使用 cmake 在 Windows 上构建 Tensorflow，按照此处的说明进行操作。确保 swig 和 cmake 在您的 PATH 环境变量中。对于 Visual Studio 2017，初始化环境的命令是"C:\Program Files (x86)\Microsoft Visual Studio\2017\Community\VC\Auxiliary\Build\vcvarsall.bat" amd64.
我更改/MP为/MP2“CMakeLists.txt”和“tf_core_kernels.cmake”，否则我得到“致命错误 C1060：编译器堆空间不足”（请参阅 github 上的这个问题，以及github上 tensorflow 中 /MP 的出现）。
cmake 命令是（省略 swig、python 等的路径）：
cmake .. -A x64 -T host=x64 -DCMAKE_BUILD_TYPE=Release -Dtensorflow_WIN_CPU_SIMD_OPTIONS="/arch:AVX2"
输出（缩短）：
-- 为：Visual Studio 15 2017 构建
-- 选择 Windows SDK 版本 10.0.16299.0 以面向 Windows 6.1.7601。
-- C 编译器标识为 MSVC 19.13.26132.0
-- CXX 编译器标识为 MSVC 19.13.26132.0
-- [...]
-- 找到 PythonInterp：C:/Users/%username%/AppData/Local/Continuum/miniconda3/python.exe（找到版本“3.6.5”）
-- 找到 PythonLibs：C:/Users/%username%/AppData/Local/Continuum/miniconda3/libs/python36.lib（找到版本“3.6.5”）
-- 找到 SWIG：C:/Users/%username%/Repos/swigwin/swig.exe（找到版本“3.0.12”）
然后使用以下命令构建 python 轮：
MSBuild /p:Configuration=Release tf_python_build_pip_package.vcxproj
并安装到已经包含依赖项的 conda 环境中pip install ...。
其他信息
正在做：
print("Tensorflow version: ", tf.__version__)
print("Compiler version: ", tf.__compiler_version__)
print("Monolithic build: ", tf.__monolithic_build__)
对于这两种构建产生：
蟒蛇：
张量流版本：1.7.0
编译器版本：MSVC
单体构建：1
风俗：
张量流版本：1.8.0-rc1
编译器版本：MSVC 191326132
单体构建：0