Python 使用Keras和远程TesorFlow训练模型

由于我找不到任何有用的信息，我想请你帮忙

我想在服务器上启动TensorFlow（2.1.0），并在客户机上使用keras在其上训练模型

为了启动TensorFlow服务器，我使用了远程计算机上的类：

将tensorflow导入为tf
集群规格=tf.train.ClusterSpec({
“工人”：[
“远程主机：2222”
],
“ps”：[
“远程主机：2221”
]
})
ps=tf.distribute.Server（集群规范，作业名称=“ps”，任务索引=0）
worker=tf.distribute.Server（集群规范，作业名称=“worker”，任务索引=0）
ps.join（）
worker.join（）

使用此方法，客户端可以成功连接到服务器：

tf.config.experimental\u连接到\u主机（remote\u host='remotehost:2222'，job\u name='worker'）

但是，我不知道如何告诉keras使用这个服务器。因此，在创建和训练模型之前，我刚刚调用了

experimental\u connect\u to\u host

。连接已建立，但培训仍在本地进行：

2020-09-25 17:42:25.776262:I tensorflow/core/platform/cpu\u feature\u guard.cc:142]您的cpu支持未编译此tensorflow二进制文件以使用的指令：AVX AVX2
2020-09-25 17:42:25.809998:I tensorflow/core/common_runtime/process_util.cc:147]使用默认的操作间设置创建新线程池：2。使用inter_op_parallelism_线程进行优化，以获得最佳性能。
2020-09-25 17:42:25.875051:I tensorflow/core/distributed_runtime/rpc/grpc_channel.cc:300]为作业工人初始化GrpcChannelCache->{0->remotehost:2222}
2020-09-25 17:42:25.889637:I tensorflow/core/distributed_runtime/rpc/grpc_channel.cc:300]为作业localhost初始化GrpcChannelCache->{0->localhost:59320}
2020-09-25 17:42:28.325110:I tensorflow/core/distributed_runtime/rpc/grpc_channel.cc:300]为作业工人初始化GrpcChannelCache->{0->remotehost:2222}
2020-09-25 17:42:28.368530:I tensorflow/core/distributed_runtime/rpc/grpc_channel.cc:300]为作业localhost初始化GrpcChannelCache->{0->localhost:59320}
2020-09-25 17:42:28.427439:I tensorflow/core/distributed_runtime/rpc/grpc_server_lib.cc:390]已启动目标为的服务器：grpc://localhost:59320
培训539个样本，验证29个样本
纪元1/300
539/539-2s-损耗：0.4477-精度：0.8534-瓦尔-损耗：0.4668-瓦尔-精确度：0.8276
...

有人知道是否以及如何使用Keras和TensorFlow在远程设备上进行培训吗

先谢谢你