tensorflow26《TensorFlow实战Google深度学习框架》笔记-10-03 分布式TensorFlow code

longji

于 2017-04-11 10:14:31 发布

阅读量616

点赞数

CC 4.0 BY-SA版权

分类专栏： tensorflow 文章标签： tensorflow

本文链接：https://blog.youkuaiyun.com/longji/article/details/70047162

tensorflow 专栏收录该内容

77 篇文章

订阅专栏

本文介绍如何使用TensorFlow实现分布式计算，包括创建本地集群及多集群的步骤，并通过具体代码示例展示如何运行分布式任务。

摘要生成于 C知道，由 DeepSeek-R1 满血版支持，前往体验 >

# 《TensorFlow实战Google深度学习框架》10 TensorBoard计算加速
# win10 Tensorflow1.0.1 python3.5.3
# CUDA v8.0 cudnn-8.0-windows10-x64-v5.1
# filename:ts10.03.py # 分布式TensorFlow

import tensorflow as tf

# 创建一个本地集群。
c = tf.constant("Hello, distributed TensorFlow!")
server = tf.train.Server.create_local_server()
sess = tf.Session(server.target)
print(sess.run(c))

# 创建两个集群
c = tf.constant("Hello from server1!")
cluster = tf.train.ClusterSpec({"local": ["localhost:2222", "localhost:2223"]})
server = tf.train.Server(cluster, job_name="local", task_index=0)
sess = tf.Session(server.target, config=tf.ConfigProto(log_device_placement=True))
print(sess.run(c))
server.join()

import tensorflow as tf
c = tf.constant("Hello from server2!")
cluster = tf.train.ClusterSpec({"local": ["localhost:2222", "localhost:2223"]})
server = tf.train.Server(cluster, job_name="local", task_index=1)
sess = tf.Session(server.target, config=tf.ConfigProto(log_device_placement=True))
print(sess.run(c))
server.join()