Python tf.distribute.Server用法及代码示例

in-process TensorFlow 服务器，用于分布式训练。

用法

tf.distribute.Server(
    server_or_cluster_def, job_name=None, task_index=None, protocol=None,
    config=None, start=True
)

参数

server_or_cluster_def tf.train.ServerDef 或 tf.train.ClusterDef 协议缓冲区或 tf.train.ClusterSpec 对象，说明要创建的服务器和/或它所属的集群。
job_name (可选。)指定服务器所属的作业的名称。如果指定，默认为 server_or_cluster_def 中的值。
task_index (可选。)指定服务器在其作业中的任务索引。如果指定，默认为 server_or_cluster_def 中的值。否则，如果服务器的作业只有一项任务，则默认为 0。
protocol (可选。)指定服务器要使用的协议。可接受的值包括 "grpc", "grpc+verbs" 。如果指定，默认为 server_or_cluster_def 中的值。否则默认为 "grpc" 。
config (选项。)tf.compat.v1.ConfigProto，指定在此服务器上运行的所有会话的默认配置选项。
start (可选。)布尔值，表示创建后是否启动服务器。默认为 True 。

抛出

tf.errors.OpError 如果在创建 TensorFlow 服务器时发生错误，则为其子类之一。

属性

server_def 返回此服务器的 tf.train.ServerDef。
target
返回一个目标tf.compat.v1.Session连接到此服务器。
要创建连接到此服务器的 tf.compat.v1.Session，请使用以下代码段：
```
server = tf.distribute.Server(...)
with tf.compat.v1.Session(server.target):
  # ...
```

一个tf.distribute.Server 实例封装了一组设备和一个可以参与分布式训练的tf.compat.v1.Session 目标。服务器属于一个集群(由 tf.train.ClusterSpec 指定)，并且对应于命名作业中的特定任务。该服务器可以与同一集群中的任何其他服务器进行通信。

相关用法

注：本文由纯净天空筛选整理自tensorflow.org大神的英文原创作品 tf.distribute.Server。非经特殊声明，原始代码版权归原作者所有，本译文未经允许或授权，请勿转载或复制。