Python 估计量的分布式定制模型函数

我正在尝试获得使用带有自定义模型函数的

tf.contrib.learn.Estimator

来执行分布式训练的模型

指定应使用

tf.device

功能将作业（ps和/或worker）手动放置在模型中。但是，本文档引用了声明模型的旧方法，不使用

估计器

类和模型函数

---

我发现有人说新的

估计器

“处理模型训练和评估的大多数复杂分布式逻辑”。这是否意味着各种worker/ps作业仍然需要手动放置在模型中？如果是，Tensorflow文档中的代码（即使用

tf.device

）中声明它们的方式是否有任何变化，我发现并能够使分布式TF与

估计器

一起工作，而无需手动将各种

TF.设备

放入模型函数中。

估计器是TF的新添加，似乎是一个正在进行的工作。我找不到将其用于分布式培训的示例，如果您设法使其工作，您可以在此处更新答案，以便其他人可以找到它