Python tf.train.ClusterSpec用法及代码示例

将集群表示为一组"tasks"，组织成"jobs"。

用法

tf.train.ClusterSpec(
    cluster
)

参数

cluster 将一个或多个作业名称映射到 (i) 网络地址列表，或 (ii) 将整数任务索引映射到网络地址的字典；或 tf.train.ClusterDef 协议缓冲区。

抛出

TypeError 如果 cluster 不是将字符串映射到字符串列表的字典，也不是 tf.train.ClusterDef protobuf。

属性

jobs 返回此集群中的作业名称列表。

tf.train.ClusterSpec 表示参与分布式 TensorFlow 计算的进程集。每个tf.distribute.Server 都在一个特定的集群中构建。

要创建具有两个作业和五个任务的集群，您需要指定从作业名称到网络地址列表(通常为 hostname-port 对)的映射。

cluster = tf.train.ClusterSpec({"worker":["worker0.example.com:2222",
                                           "worker1.example.com:2222",
                                           "worker2.example.com:2222"],
                                "ps":["ps0.example.com:2222",
                                       "ps1.example.com:2222"]})

每个作业也可以指定为从任务索引到网络地址的稀疏映射。这使得无需知道(例如)所有其他工作任务的身份即可配置服务器：

cluster = tf.train.ClusterSpec({"worker":{1:"worker1.example.com:2222"},
                                "ps":["ps0.example.com:2222",
                                       "ps1.example.com:2222"]})

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.train.ClusterSpec。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。