Python TensorFlow，分布式TensorFlow

分布式Tensorflow是由高性能的gRPC框架作为底层技术来支持的。这是一个通信框架gRPC(google remote procedure call)，是一个高性能、跨平台的RPC框架。RPC协议，即远程过程调用协议，是指通过网络从远程计算机程序上请求服务。

---

 

---

demo.py（分布式TensorFlow，集群中的所有服务器都需要拷贝该代码并运行）：

import tensorflow as tf


# 命令行参数
tf.app.flags.DEFINE_string("job_name", " ", "启动服务的类型 ps 或 worker")
tf.app.flags.DEFINE_integer("task_index", 0, "指定ps或者worker当中的哪一台服务器，task:0 ,task:1")

FLAGS = tf.app.flags.FLAGS  # 用于获取命令行参数

# 定义全局计数的op(记录训练的步数)，配合StopAtStepHook钩子使用
global_step = tf.contrib.framework.get_or_create_global_step()

# 指定集群描述对象， ps , worker  (端口号随便指定一个不冲突的端口)
cluster = tf.train.ClusterSpec({"ps": ["10.211.55.3:2223"], "worker": ["192.168.65.44:2222"]})

# 创建不同的服务, ps, worker
server = tf.train.Server(cluster, job_name=FLAGS.job_name, task_index=FLAGS.task_index)

# 根据不同服务做不同的事情  ps:更新保存参数 worker:指定设备去运行模型计算
if FLAGS.job_name == "ps":
    # 参数服务器什么都不用干，只需要等待worker传递参数
    server.join()
else:  # 否则是worker服务
    worker_device = "/job:worker/task:0/cpu:0/"  # worker服务器中的第一台服务器中的第一个cpu

    # 可以指定设备(GPU/CPU)和该设备的计算内容
    # with tf.device("/job:worker/task:0/cpu:0/"):  # 不是分布式
    with tf.device(tf.train.replica_device_setter(
        worker_device=worker_device,  # 指定设备(哪个CPU或GPU)。(只能指定当前电脑中的设备)
        cluster=cluster  # 分布式
    )):
        # 该设备的计算内容： 简单做一个矩阵乘法运算
        x = tf.Variable([[1, 2, 3, 4]])  # Variable变量是模型参数，会保存到ps服务器中，每次训练迭代都会更新ps中的参数。
        w = tf.Variable([[2], [2], [2], [2]])
        mat = tf.matmul(x, w)

    # 创建分布式会话
    with tf.train.MonitoredTrainingSession(
        master= "grpc://192.168.65.44:2222",  # 指定主worker (所有worker共用主worker创建的会话)
        is_chief= (FLAGS.task_index == 0),    # 判断是否是主worker
        config=tf.ConfigProto(log_device_placement=True),  # 打印运算设备(CPU/GPU)信息
        hooks=[tf.train.StopAtStepHook(last_step=200)]  # 钩子列表。 StopAtStepHook可以指定op的训练次数(迭代次数)
    ) as mon_sess:
        while not mon_sess.should_stop():
            print(mon_sess.run(mat))