Python tf.distribute.Server用法及代碼示例

in-process TensorFlow 服務器，用於分布式訓練。

用法

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

參數

server_or_cluster_def tf.train.ServerDef 或 tf.train.ClusterDef 協議緩衝區或 tf.train.ClusterSpec 對象，說明要創建的服務器和/或它所屬的集群。
job_name (可選。)指定服務器所屬的作業的名稱。如果指定，默認為 server_or_cluster_def 中的值。
task_index (可選。)指定服務器在其作業中的任務索引。如果指定，默認為 server_or_cluster_def 中的值。否則，如果服務器的作業隻有一項任務，則默認為 0。
protocol (可選。)指定服務器要使用的協議。可接受的值包括 "grpc", "grpc+verbs" 。如果指定，默認為 server_or_cluster_def 中的值。否則默認為 "grpc" 。
config (選項。)tf.compat.v1.ConfigProto，指定在此服務器上運行的所有會話的默認配置選項。
start (可選。)布爾值，表示創建後是否啟動服務器。默認為 True 。

拋出

tf.errors.OpError 如果在創建 TensorFlow 服務器時發生錯誤，則為其子類之一。

屬性

server_def 返回此服務器的 tf.train.ServerDef。
target
返回一個目標tf.compat.v1.Session連接到此服務器。
要創建連接到此服務器的 tf.compat.v1.Session，請使用以下代碼段：
```
server = tf.distribute.Server(...)
with tf.compat.v1.Session(server.target):
  # ...
```

一個tf.distribute.Server 實例封裝了一組設備和一個可以參與分布式訓練的tf.compat.v1.Session 目標。服務器屬於一個集群(由 tf.train.ClusterSpec 指定)，並且對應於命名作業中的特定任務。該服務器可以與同一集群中的任何其他服務器進行通信。

相關用法

注：本文由純淨天空篩選整理自tensorflow.org大神的英文原創作品 tf.distribute.Server。非經特殊聲明，原始代碼版權歸原作者所有，本譯文未經允許或授權，請勿轉載或複製。