分布式执行开始后，如何将输入运算符添加到tensorflow图中？

我想使用分布式tensorflow以流式方式使用参数服务器对模型进行训练。worker设置类似于以下内容：

def列_模型（文件名、参数）：
带tf.装置（tf.train.replica\u装置\u setter(
worker_device='/job:worker/task:%d'%params.task_index，cluster=cluster]：
input\u op=构造\u输入\u op（文件名）
全局_步长=tf.变量（0）
列车运行=构造列车运行（输入运行、全局运行、参数）
init_op=tf.global_variables_initializer（）
saver=tf.train.saver（tf.global\u variables（）+tf.local\u variables（））
主管=tf.train.supervisor(
is_chief=params.task_index==0，
logdir=参数培训\总结\目录，
init_op=init_op，
储蓄者=储蓄者，
全局步=全局步，
保存模式（秒=0）
将supervisor.managed_会话（server.target）作为sess：
虽然不是supervisor.should_stop（）和step您可以在图形对象上尝试。_unsafe_unfinalize（），但更可靠的解决方案是提前创建所有需要的操作（在同时运行图形时修改图形会导致性能/线程安全问题）
您可以尝试
。\u unsafe_unfinalize（）
在图形对象上，尽管一个更健壮的解决方案是提前创建所需的所有操作（在运行图形时/同时修改图形会导致性能/线程安全问题）@YaroslavBulatov-您能回答这个问题吗？谢谢
def train_model(filenames, params):
    with tf.device(tf.train.replica_device_setter(
            worker_device='/job:worker/task:%d' % params.task_index, cluster=cluster)):
        input_op = construct_input_op(filenames)
        global_step = tf.Variable(0)
        train_op = construct_train_op(input_op, global_step, params)

    init_op = tf.global_variables_initializer()
    saver = tf.train.Saver(tf.global_variables() + tf.local_variables())

    supervisor = tf.train.Supervisor(
        is_chief=params.task_index == 0,
        logdir=params.training_summary_dir,
        init_op=init_op,
        saver=saver,
        global_step=global_step,
        save_model_secs=0)

    with supervisor.managed_session(server.target) as sess: 
        while not supervisor.should_stop() and step <= params.max_steps:
            sess.run(train_op)

    supervisor.stop()

cluster = tf.train.ClusterSpec({"ps": [params.param_server_host], "worker": params.worker_hosts})
server = tf.train.Server(cluster, job_name="worker", task_index=params.task_index)
while True:
   filenames = wait_for_new_training_data(...)
   train_model(filenames, params)