TensorFlow - 分布式计算

本章将重点介绍如何开始使用分布式TensorFlow.目的是帮助开发人员了解重复出现的基本分布式TF概念，例如TF服务器.我们将使用Jupyter Notebook来评估分布式TensorFlow.下面提到使用TensorFlow实现分布式计算 :

步骤1 : 导入分布式计算所必需的必要模块 :

import tensorflow as tf

第2步 : 使用一个节点创建TensorFlow集群.让这个节点负责一个名为"worker"的作业，该作业将在localhost:2222运行一次.

cluster_spec = tf.train.ClusterSpec({'worker' : ['localhost:2222']})
server = tf.train.Server(cluster_spec)
server.target

以上脚本生成以下输出 :

'grpc://localhost:2222'
The server is currently running.

第3步 : 具有相应会话的服务器配置可以通过执行以下命令来计算 :

 
 server.server_def

以上命令生成以下输出 :

cluster {
   job {
      name: "worker"
      tasks {
         value: "localhost:2222"
      }
   }
}
job_name: "worker"
protocol: "grpc"

第4步 : 启动TensorFlow会话，执行引擎是服务器.使用TensorFlow创建本地服务器并使用 lsof 查找服务器的位置.

 sess = tf .Session(target = server.target)
 server = tf.train.Server.create_local_server()

第5步 : 查看此会话中可用的设备并关闭相应的会话.

devices = sess.list_devices()
for d in devices:
   print(d.name)
sess.close()

以上命令生成以下输出 :

 
/job:worker/replica:0/task:0/device:CPU:0