我正嘗試使用服務器和一個或多個使用它的客戶端創建分佈式Tensorflow應用程序。在Tensorflow中執行本地設備放置
指定應該在服務器中放置哪些變量或操作符很容易。剛開始用ClusterSpec一個tf.train.Server定義「服務器」工作,做到:
with tf.device('/job:server/task:0'):
server_vars = ...
server_ops = ...
但是,如果我想要做同樣放置其他增值經銷商或OPS在客戶端,那麼我m被迫爲每個客戶端定義一個新的作業,爲它啓動一個新的tf.train.Server,在每個特定的客戶端上定義新的變量和操作,並在ClusterSpec中包含所有的客戶端地址和端口。
有什麼方法可以使用tf.device在本地放置ops和vars嗎?不一定對任何特定設備(CPU,GPU),但不在服務器中遠程。
# No device is specified, so it's up to TF to decide where to place it.
# Let's say it decides to place it locally. How can we enforce that?
# Is there a tf.device(/local/) or similar?
client_vars = ...
client_ops = ...
with tf.Session('grpc://%s' % SERVER) as session:
# Do stuff.
# Can we run client ops from this session?
注意:我假設服務器工作被動,並且從不嘗試直接訪問任何客戶端操作或變量。而是,客戶端訪問服務器操作和變量。
沒有'device/local'。你可以使用'tf.device(/ job:../ task:/ ...)'語法在本地放置ops,因爲客戶端知道它正在運行哪個任務/任務 –
但是這迫使我啓動一個tf.train。服務器在客戶端並打開一個會話以便在本地運行它的操作,不是嗎? 這實際上對我來說很成問題,因爲例如Tensorflow C API(用於Windows)不支持啓動服務器。 – user3176103