tensorflow工作人员驾驶员培训如何处理并导致ps工作变量更新？

我正在阅读tensorflow代码，并找到了这个答案

---

非常想知道详细信息吗？

这里有一些关于如何在站点上设置和使用分布式模型的详细信息

除了

ps

节点没有超出

server.join（）

之外的代码之外，worker和“参数服务器”之间似乎没有什么区别，这允许其他节点在其上放置ops。在上述文档中的示例中，workers上运行的代码在

ps

设备上建立变量，使用它们计算模型，并将其作为本地资源进行优化-使用与

机制基本相同的
，就像将op分配给gpu或cpu一样

您有兴趣了解更具体的信息吗？
谢谢您的回答！我试图理解tensorflow的实现，就像你说的“好像它们是本地资源”，实际上它们不是，所以tensorflow如何知道它们是本地或远程资源，我知道这是因为我们在代码中设置了“集群规范”，但是，在C++/python实现中，何时何地实际使用该规范来区分变量存储在本地还是远程@袁定平, 这不仅仅是“集群规范”，但是如果您在上面的链接中查看“在您的模型中指定分布式设备”，您可以看到ops是使用tf.device（“/job:ps/task:0”）：weights_1=tf.Variable（…）
定义的；这告诉本地设备将其分配给参数服务器0，它通过ClusterSpec op知道该参数，在本例中，其参数最终来自Python的命令行调用。至于更详细的细节，您可能需要深入了解源代码。干杯，期待听到你所学到的！