分布式TensorFlow中单个机器上的多个工人

是否可以在本地机器上启动分布式TensorFlow，使每个工作人员都有一个模型副本

---

如果是，是否可以分配每个代理只使用一个CPU内核？

对于第一个问题，答案是肯定的。详情如下：

对于第二个问题，我不确定Tensorflow是否在核心级别具有这种级别的细粒度控制；但总体而言，操作系统将在多个内核上实现线程负载平衡

---

请注意，如果您有多个CPU/GPU，Tensorflow确实能够在处理器级别指定设备。

是，可以启动：

每个任务通常在不同的机器上运行，但您可以在同一台机器上运行多个任务（例如，控制不同的GPU设备）

并且每个工人都有以下权利：

如果在同一进程中使用多个图（使用tf.graph（）创建），则必须为每个图使用不同的会话，但每个图可以在多个会话中使用

正如在您的评论中提到的，有一个建议是如何尝试并实现分布式TF到a的执行，这涉及到分发到不同的CPU，然后将线程池限制为单个线程

---

目前还没有允许对特定内核分布式执行TF图的功能

这就是限制使用1个内核的答案：虽然TensorFlow没有将执行绑定到特定内核的功能，但由于分布式运行时使用不同的进程，因此可以使用来实现相同的结果。请注意，您可能还希望限制启动会话时创建的线程数（

tf.ConfigProto.inter_op_parallelism_threads

和

tf.ConfigProto.intra_op_parallelism_threads

是相关的配置选项）。