TensorFlow - Dağıtık Hesaplama

Bu bölüm, dağıtılmış TensorFlow'u kullanmaya nasıl başlayacağınıza odaklanacaktır. Amaç, geliştiricilerin TF sunucuları gibi tekrar eden temel dağıtılmış TF kavramlarını anlamalarına yardımcı olmaktır. Dağıtılmış TensorFlow'u değerlendirmek için Jupyter Not Defterini kullanacağız. TensorFlow ile dağıtılmış hesaplamanın uygulanması aşağıda belirtilmiştir -

Step 1 - Dağıtılmış bilgi işlem için zorunlu olan gerekli modülleri içe aktarın -

import tensorflow as tf

Step 2- Tek düğümlü bir TensorFlow kümesi oluşturun. Bu düğüm "işçi" adında bir işten sorumlu olsun ve localhost: 2222'de tek seferde çalışacak.

cluster_spec = tf.train.ClusterSpec({'worker' : ['localhost:2222']})
server = tf.train.Server(cluster_spec)
server.target

Yukarıdaki komut dosyaları aşağıdaki çıktıyı üretir -

'grpc://localhost:2222'
The server is currently running.

Step 3 - İlgili oturuma sahip sunucu yapılandırması aşağıdaki komut uygulanarak hesaplanabilir -

server.server_def

Yukarıdaki komut aşağıdaki çıktıyı üretir -

cluster {
   job {
      name: "worker"
      tasks {
         value: "localhost:2222"
      }
   }
}
job_name: "worker"
protocol: "grpc"

Step 4- Yürütme motorunun sunucu olduğu bir TensorFlow oturumu başlatın. Yerel bir sunucu oluşturmak için TensorFlow kullanın velsof sunucunun yerini bulmak için.

sess = tf.Session(target = server.target)
server = tf.train.Server.create_local_server()

Step 5 - Bu oturumda bulunan cihazları görüntüleyin ve ilgili oturumu kapatın.

devices = sess.list_devices()
for d in devices:
   print(d.name)
sess.close()

Yukarıdaki komut aşağıdaki çıktıyı üretir -

/job:worker/replica:0/task:0/device:CPU:0