I tensorflow/core/util/util.cc:169] oneDNN custom operations are on. You may see slightly different numerical results due to floating-point round-off errors from different computation orders. To turn them off, set the environment variable `TF_ENABLE_ONEDNN_OPTS=0`.

这是一个 TensorFlow 的提示信息。它告诉用户，TensorFlow 正在使用 oneDNN（DNN 库）的自定义操作，因此可能会因不同的计算顺序而导致略微不同的数值结果，这是由于浮点数舍入误差所造成的。如果您想禁用 oneDNN，您可以设置环境变量 `TF_ENABLE_ONEDNN_OPTS=0`。

相关问题

2023-07-14 07:37:44.816686: I tensorflow/core/util/port.cc:110] oneDNN custom operations are on. You may see slightly different numerical results due to floating-point round-off errors from different computation orders. To turn them off, set the environment variable `TF_ENABLE_ONEDNN_OPTS=0`.

您好！关于您提到的信息，这是关于 TensorFlow 的一条提示消息，指出您的环境中启用了一种叫做 oneDNN 的自定义操作。由于不同计算顺序可能会导致浮点数舍入误差，因此可能会在数值上稍有不同。如果您希望关闭该功能，可以设置环境变量 `TF_ENABLE_ONEDNN_OPTS=0`。这样就可以避免由此引起的结果差异。

pyswarms.single.global_best: 0%| |0/502023-06-12 09:15:36.800789: I tensorflow/core/platform/cpu_feature_guard.cc:142] This TensorFlow binary is optimized with oneAPI Deep Neural Network Library (oneDNN) to use the following CPU instructions in performance-critical operations: AVX AVX2 To enable them in other operations, rebuild TensorFlow with the appropriate compiler flags. 2023-06-12 09:15:37.280722: I tensorflow/core/common_runtime/gpu/gpu_device.cc:1510] Created device /job:localhost/replica:0/task:0/device:GPU:0 with 9426 MB memory: -> device: 0, name: NVIDIA GeForce RTX 3080 Ti, pci bus id: 0000:01:00.0, compute capability: 8.6 2023-06-12 09:15:37.633600: I tensorflow/compiler/mlir/mlir_graph_optimization_pass.cc:185] None of the MLIR Optimization Passes are enabled (registered 2) 2023-06-12 09:15:38.355549: F .\tensorflow/core/util/gpu_launch_config.h:129] Check failed: work_element_count > 0 (0 vs. 0)

这是 TensorFlow 在运行过程中出现的错误提示，其中包含了一些调试信息。具体的错误原因需要根据错误提示的上下文来确定。

首先，提示中指出了 TensorFlow 二进制文件是使用 oneAPI Deep Neural Network Library (oneDNN) 进行优化的，以及成功创建了一个名为 "NVIDIA GeForce RTX 3080 Ti" 的 GPU 设备，并分配了 9426 MB 的显存。这些信息是 TensorFlow 运行环境的基本配置。

其次，提示中指出了 MLIR 优化 passes 没有启用，这可能会导致 TensorFlow 在编译和优化模型时效率较低。

最后，提示中指出了一个运行时错误，具体错误原因是操作的工作元素数量为 0，导致无法继续运行。这个错误可能是由于输入数据为空或者某些操作参数设置不当导致的。需要根据错误提示的上下文来确定具体的操作和输入数据，然后检查输入数据是否为空，并在必要时进行处理或者调整操作参数。

如果你无法解决这个错误，可以尝试更新 TensorFlow 或者在 TensorFlow 的 GitHub 上提交 issue 寻求帮助。