使用 Session.run 在 Tensorflow 代码中进行并行编程

Question

我正在尝试在我的 Tensorflow 代码中实现分布式执行。我创建了一个简单的例子。当我运行它时，该程序不会产生任何结果。我的猜测是我的 Linux 系统的主机位置设置不正确。import tensorflow as tfcluster = tf.train.ClusterSpec({"local": ["localhost:2222", "localhost:2223"]})x = tf.constant(2)with tf.device("/job:local/task:1"):    y2 = x - 66with tf.device("/job:local/task:0"):    y1 = x + 300    y = y1 + y2with tf.Session("grpc://localhost:2222") as sess:    result = sess.run(y)    print(result) 

Answer 1

在运行上面的会话之前，需要使用另一个脚本（python tfserver.py 0& python tfserver.py 1）启动 2 个工作进程。localhost此外，由于集群中的一些限制，我必须替换为实际的服务器名称。

# Get task number from command line

import sys

task_number = int(sys.argv[1])

import tensorflow as tf

cluster = tf.train.ClusterSpec({"local": ["localhost:2222", "localhost:2223"]})

server = tf.train.Server(cluster, job_name="local", task_index=task_number)

print("Starting server #{}".format(task_number))

server.start()

server.join()