tensorflow-分布式

概述

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。

• 分布式架构
  
  注：参数作业所在的服务器称为参数服务器(parameter server)，负责管理
  参数的存储和更新;工作节点的服务器主要从事计算的任务，如运行操作，
  worker节点中需要一个主节点来进行会话初始化，创建文件等操作，其他节点等
  待进行计算。
  

import tensorflow as tf

FLAGS = tf.app.flags.FLAGS

tf.app.flags.DEFINE_string("job_name", " ", "启动服务的类型ps or  worker")
tf.app.flags.DEFINE_integer("task_index", 0, "指定ps或者worker当中的那一台服务器以task:0 ,task:1")

def main(argv):

    # 定义全集计数的op ，给钩子列表当中的训练步数使用
    global_step = tf.contrib.framework.get_or_create_global_step()

    # 指定集群描述对象， ps , worker,端口指定为没有占用的即可,ip写实际服务器的ip地址
    cluster = tf.train.ClusterSpec({"ps": ["ip:2223"], "worker": ["ip: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:去更新保存参数 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:
        worker_device = "/job:worker/task:0/cpu:0/"

        # 可以指定设备去运行
        with tf.device(tf.train.replica_device_setter(
            worker_device=worker_device,
            cluster=cluster
        )):
            # 简单做一个矩阵乘法运算
            x = tf.Variable([[1, 2, 3, 4]])
            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://ip:2222", # 指定主worker
            is_chief= (FLAGS.task_index == 0),# 判断是否是主worker
            config=tf.ConfigProto(log_device_placement=True),# 打印设备信息
            hooks=[tf.train.StopAtStepHook(last_step=200)] # 最大步数
        ) as mon_sess:
            while not mon_sess.should_stop():# 当没有异常时打印运算信息
                print(mon_sess.run(mat))


if __name__ == "__main__":
    tf.app.run()

代码复制一份放入ps服务器，并启动。然后在worker服务器也启动代码即可。
矩阵运算的结果是20，结果输出200个[20]。