有人知道需要对培训师进行哪些更改才能在 google cloud ML 的分布式平台上运行作业吗？
如果有人可以分享几篇相同的文章或文档，那将有很大帮助。
总的来说，您的分布式 TensorFlow 程序将完全如此——分布式 TensorFlow，具有最少——甚至没有——特定于云的更改。分布式 TensorFlow 的最佳资源是tensorflow.org 上的本教程。本教程将引导您了解低级的做事方式。
还有一个更高级别的 API，目前在 contrib 中（因此 API 可能会更改并将在未来版本中移出 contrib），它简化了您必须为分布式训练编写的样板代码量。官方教程在这里。
一旦您了解了一般的 TensorFlow 位（无论是高级还是低级 API），您的代码中必须存在一些特定元素才能使其在 CloudML Engine 上运行。对于低级 TensorFlow API，您需要解析 TF_CONFIG 环境变量来设置您的 ClusterSpec。这在例示本实施例中（具体参见本的代码块）。
高级 API 的一个优点是，所有这些解析都已经为您处理好了。您的代码通常应该可以正常工作。请参阅此示例。重要的是，您将需要使用learn_runner.run()（请参阅此行），它将在本地和云端工作以训练您的模型。
当然，还有其他框架，例如TensorFX。
在适当地构建代码后，您只需在启动训练作业时选择具有多台机器的适当规模层。（请参阅Chuck Finley 的回答示例）
希望能帮助到你！
本文收集自互联网，转载请注明来源。
如有侵权，请联系[email protected] 删除。
我来说两句