如何在遠程機器上使用分布式Tensorflow？

Question

我正在嘗試在三台機器上運行分布式Tensorflow腳本：我的本地機器運行參數服務器，兩台遠程機器可以訪問正在運行的工作作業。 我正在遵循Tensorflow文檔中的示例 ，將IP地址和唯一端口號傳遞給每個輔助作業，並將tf.train.Server的protocol選項設置為'grpc' 。 但是，當我運行腳本時，所有三個進程都在本地主機上啟動，並且所有作業都不在遠程計算機上。 我缺少步驟了嗎？

我的（刪節）代碼：

# Define flags
tf.app.flags.DEFINE_string("ps_hosts", "localhost:2223", 
                        "comma-separated list of hostname:port pairs")
tf.app.flags.DEFINE_string("worker_hosts", 
"server1.com:2224,server2.com:2225",
                        "comma-separated list of hostname:port pairs")

tf.app.flags.DEFINE_string("job_name", "worker", "One of 'ps', 'worker'")
tf.app.flags.DEFINE_integer("task_index", 0, "Index of task within the job")

ps_hosts = FLAGS.ps_hosts.split(",")
worker_hosts = FLAGS.worker_hosts.split(",")

cluster = tf.train.ClusterSpec({"ps": ps_hosts, "worker": worker_hosts})
server = tf.train.Server(cluster, job_name=FLAGS.job_name, task_index=FLAGS.task_index, protocol='grpc')

if FLAGS.job_name == "ps":
    server.join()
elif FLAGS.job_name == "worker":
    # Between-graph replication
    with tf.device(tf.train.replica_device_setter(cluster=cluster, worker_device="/job:worker/task:{}".format(FLAGS.task_index))):
        # Create model...
        sv = tf.train.Supervisor(is_chief=(FLAGS.task_index == 0),
                                 logdir="./checkpoint",
                                 init_op=init_op,
                                 summary_op=summary,
                                 saver=saver,
                                 global_step=global_step,
                                 save_model_secs=600)

        with sv.managed_session(server.target, 
                                 config=config_proto) as sess:
            # Train model...

此代碼導致兩個問題：

1. 這兩個工作者作業都給出了有關無法從另一個響應得到錯誤的錯誤：

從worker0：

2018-04-09 23:48:39.749679: I tensorflow/core/distributed_runtime/master.cc:221] CreateSession still waiting for response from worker: /job:worker/replica:0/task:1

從worker1：

2018-04-09 23:49:30.439166: I tensorflow/core/distributed_runtime/master.cc:221] CreateSession still waiting for response from worker: /job:worker/replica:0/task:0

2. 我可以通過使用device_filter擺脫以前的問題，但是所有作業都在本地計算機上啟動，而不是在遠程服務器上啟動。

如何使兩個輔助作業在遠程服務器上運行？

Answer 1

我的理解是，您必須在群集的所有主機上運行此腳本。 用

參數服務器上的“ --job_name = ps”參數和

在工作人員上顯示“ --job_name = worker --task_index = [0,1]”。