无涯教程-TensorFlow - 分布式计算-Toy模板网

这篇具有很好参考价值的文章主要介绍了无涯教程-TensorFlow - 分布式计算。希望对大家有所帮助。如果存在错误或未考虑完全的地方，请大家不吝赐教，您也可以点击"举报违法"按钮提交疑问。

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，如TF服务器。无涯教程将使用Jupyter Notebook分布式TensorFlow。

第1步 - 导入分布式计算必需的必要模块-

import tensorflow as tf

第2步 - 创建具有一个节点的TensorFlow集群，让此节点负责一个名称为" worker"的作业，该作业将在localhost:2222进行一次操作。

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

上面的脚本生成以下输出-

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

第3步 - 可以通过执行以下命令来计算具有相应会话的服务器配置-

server.server_def

上面的命令生成以下输出-

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

第4步 - 在执行引擎为服务器的情况下启动TensorFlow会话，使用TensorFlow创建本地服务器，然后使用 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()

上面的命令生成以下输出-

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

TensorFlow - 分布式计算 - 无涯教程网无涯教程网提供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...https://www.learnfk.com/tensorflow/tensorflow-distributed-computing.html文章来源地址https://www.toymoban.com/news/detail-668460.html

到了这里，关于无涯教程-TensorFlow - 分布式计算的文章就介绍完了。如果您还想了解更多内容，请在右上角搜索TOY模板网以前的文章或继续浏览下面的相关文章，希望大家以后多多支持TOY模板网！