無法運行tensorflow分佈式MNIST測試

Question

我通過從源代碼構建安裝tensorflow 0.8。 我使用具有4個GPU的AWS EC2 g2.8xlarge實例。 我試圖在這裏運行tensorflow分佈MNIST測試，代碼： https://github.com/tensorflow/tensorflow/blob/master/tensorflow/tools/dist_test/scripts/dist_mnist_test.sh

我的腳本：

bash dist_mnist_test.sh "grpc://localhost:2223 grpc://localhost:2224" 

，我得到這個消息：

E0609 14:53:07.430440599 62872 tcp_client_posix.c:173]  failed to connect to 'ipv4:127.0.0.1:2223': socket error: connection refused 
E0609 14:53:07.445297934 62873 tcp_client_posix.c:173]  failed to connect to 'ipv4:127.0.0.1:2224': socket error: connection refused 

任何一個知道這裏有什麼問題？非常感謝！

Answer 1

此腳本不能獨立運行。特別是，它期望您創建了一個TensorFlow集羣，其中運行腳本的之前的每個地址都運行。 create_tf_cluster.sh腳本可以使用Kubernetes設置此類羣集。 dist_test.sh腳本端到端運行這些腳本。

請參閱my answer您的其他問題，其中有一個建議腳本在分佈式TensorFlow上運行MNIST。

Answer 2

我懷疑這裏存在網絡問題。我要採取的第一個調試步驟是確保使用像netstat這樣的工具實際監聽套接字2223和2224。這裏有一個很好的總體描述如何做到這一點： https://askubuntu.com/questions/278448/how-to-know-what-program-is-listening-on-a-given-port

如果可行，然後嘗試使用telnet手動連接到套接字，以確保網絡地址正常工作。