執行，打入1 python tf_code_sever.py --job_name=ps --task_index=0
2、python tf_code_sever.py --job_name=ps --task_index=1
3、 python tf_code_sever.py --job_name=work --task_index=0
4、 python tf_code_sever.py --job_name=work --task_index=1
5、 python tf_code_sever.py --job_name=work --task_index=2
啟動起來之後，再建立模擬檔案去呼叫節點
import tensorflow as tf
import numpy as np
呼叫裝置
with tf.device(』/job:ps/task:0』): 代表用ps的第0個裝置
x=tf.variable(np.random.rand(100).astype(np.float32))
with tf.device(』/job:pa/task:2』):
y=tf.add(tf.multiply(x,0.2),0.2)
做執行with tf.session(target=『localhost：33334』,config=tf.configproto(log_device_placement=true)）as sess:』加配置檔案，準備用那各位址建立會話
print(sess.run(y))
TensorFlow分布式計算
分布式tensorflow底層的通訊是grpc。grpc首先是乙個rpc，即遠端過程呼叫，通俗的解釋是 假設你在本機上執行一段 num add a,b 它呼叫了乙個過程call，然後返回了乙個值num，你感覺這段 只是在本機上執行的，但實際情況是，本機上的add方法是將引數打包傳送給伺服器，然後伺服...
TensorFlow分布式實踐
大資料時代，基於單機的建模很難滿足企業不斷增長的資料量級的需求，開發者需要使用分布式的開發方式，在集群上進行建模。而單機和分布式的開發 有一定的區別，本文就將為開發者們介紹，基於tensorflow進行分布式開發的兩種方式，幫助開發者在實踐的過程中，更好地選擇模組的開發方向。分布式開發會涉及到更新梯...
TensorFlow分布式實踐
大資料時代，基於單機的建模很難滿足企業不斷增長的資料量級的需求，開發者需要使用分布式的開發方式，在集群上進行建模。而單機和分布式的開發 有一定的區別，本文就將為開發者們介紹，基於tensorflow進行分布式開發的兩種方式，幫助開發者在實踐的過程中，更好地選擇模組的開發方向。基於tensorflow...