В этой главе основное внимание будет уделено тому, как начать использовать распределенный TensorFlow. Разработан, чтобы помочь разработчикам понять основные концепции распределенного TF, такие как серверы TF. Мы будем использовать Jupyter Notebook для оценки распределенного TensorFlow. Ниже приведены шаги по реализации распределенных вычислений с использованием TensorFlow.
Шаг 1 — Импортируйте необходимые модули для распределенных вычислений.
import tensorflow as tf
Шаг 2 — Создайте кластер TensorFlow с одним узлом. Сделайте этот узел ответственным за задачу под названием «рабочий» и он будет работать на локальном хосте: 2222.
cluster_spec = tf.train.ClusterSpec({'worker' : ['localhost:2222']})
server = tf.train.Server(cluster_spec)
server.target
Приведенный выше скрипт выдает следующий результат:
'grpc://localhost:2222'
The server is currently running.
Шаг 3. Выполните следующую команду для расчета конфигурации сервера и соответствующих сеансов.
server.server_def
Приведенная выше команда выдает следующий результат:
cluster {
job {
name: "worker"
tasks {
value: "localhost:2222"
}
}
}
job_nam