- html - 出于某种原因,IE8 对我的 Sass 文件中继承的 html5 CSS 不友好?
- JMeter 在响应断言中使用 span 标签的问题
- html - 在 :hover and :active? 上具有不同效果的 CSS 动画
- html - 相对于居中的 html 内容固定的 CSS 重复背景?
我对这两个概念感到困惑:In-graph replication
和 Between-graph replication
阅读 Replicated training 时在 tensorflow 的官方 How-to 中。
In-graph replication. In this approach, the client builds a single tf.Graph that contains one set of parameters (in tf.Variable nodes pinned to /job:ps); ...
tf.Graph
s 在 Between-graph
replication
方法?如果是,对应的代码在哪Between-graph replication
上面链接中的例子,谁能提供一个 In-graph replication
实现(伪代码很好)并突出其主要Between-graph replication
的区别?Between-graph replication. In this approach, there is a separate client for each /job:worker task, typically in the same process as the worker task. Each client builds a similar graph containing the parameters (pinned to /job:ps as before using tf.train.replica_device_setter() to map them deterministically to the same tasks); and a single copy of the compute-intensive part of the model, pinned to the local task in /job:worker.
worker
中共享s:# Build model...
loss = ...
global_step = tf.Variable(0)
workers
? In-graph replication
支持多方面的培训Between-graph replication
为了In-graph replication
与方式基本相同最佳答案
首先,对于一些历史背景,“图内复制”是我们在 TensorFlow 中尝试的第一种方法,并没有达到许多用户要求的性能,因此更复杂的“图间”方法是当前执行分布式训练的推荐方法。更高级别的库,例如 tf.learn
使用“图之间”方法进行分布式训练。
要回答您的具体问题:
Does this mean there are multiple
tf.Graph
s in the between-graph replication approach? If yes, where are the corresponding codes in the provided examples?
tf.Graph
对于模型。通常每个进程都使用全局默认图(可通过 tf.get_default_graph()
访问)并且没有显式创建。tf.Graph
和多个共享相同底层图的 tf.Session
对象的单个 TensorFlow 进程,只要您为每个 session 配置了不同的 tf.ConfigProto.device_filters
选项,但这是不常见的设置。)While there is already a between-graph replication example in above link, could anyone provide an in-graph replication implementation (pseudocode is fine) and highlight its main differences from between-graph replication?
tf.learn
和 TF-Slim,隐藏了其中的一些问题,并希望我们将来可以提供更好的复制方案。)
Why do we say each client builds a similar graph, but not the same graph?
"/job:worker/task:0"
、 "/job:worker/task:1"
等)的图。首席 worker 可能会创建不是在非首席 worker 上创建(或由其使用)的其他操作。然而,在大多数情况下,这些图在逻辑上(即模设备分配)是相同的。Shouldn't it be multiple copies of the compute-intensive part of the model, since we have multiple workers?
Does the example in Replicated training support training on multiple machines, each of which has multiple GPUs?
# Build model...
loss = ...
关于graph - 分布式 tensorflow : the difference between In-graph replication and Between-graph replication,我们在Stack Overflow上找到一个类似的问题: https://stackoverflow.com/questions/41600321/
我想将模型及其各自训练的权重从 tensorflow.js 转换为标准 tensorflow,但无法弄清楚如何做到这一点,tensorflow.js 的文档对此没有任何说明 我有一个 manifest
我有一个运行良好的 TF 模型,它是用 Python 和 TFlearn 构建的。有没有办法在另一个系统上运行这个模型而不安装 Tensorflow?它已经经过预训练,所以我只需要通过它运行数据。 我
当执行 tensorflow_model_server 二进制文件时,它需要一个模型名称命令行参数,model_name。 如何在训练期间指定模型名称,以便在运行 tensorflow_model_s
我一直在 R 中使用标准包进行生存分析。我知道如何在 TensorFlow 中处理分类问题,例如逻辑回归,但我很难将其映射到生存分析问题。在某种程度上,您有两个输出向量而不是一个输出向量(time_t
Torch7 has a library for generating Gaussian Kernels在一个固定的支持。 Tensorflow 中有什么可比的吗?我看到 these distribu
在Keras中我们可以简单的添加回调,如下所示: self.model.fit(X_train,y_train,callbacks=[Custom_callback]) 回调在doc中定义,但我找不到
我正在寻找一种在 tensorflow 中有条件打印节点的方法,使用下面的示例代码行,其中每 10 个循环计数,它应该在控制台中打印一些东西。但这对我不起作用。谁能建议? 谢谢,哈米德雷萨, epsi
我想使用 tensorflow object detection API 创建我自己的 .tfrecord 文件,并将它们用于训练。该记录将是原始数据集的子集,因此模型将仅检测特定类别。我不明白也无法
我在 TensorFlow 中训练了一个聊天机器人,想保存模型以便使用 TensorFlow.js 将其部署到 Web。我有以下内容 checkpoint = "./chatbot_weights.c
我最近开始学习 Tensorflow,特别是我想使用卷积神经网络进行图像分类。我一直在看官方仓库中的android demo,特别是这个例子:https://github.com/tensorflow
我目前正在研究单图像超分辨率,并且我设法卡住了现有的检查点文件并将其转换为 tensorflow lite。但是,使用 .tflite 文件执行推理时,对一张图像进行上采样所需的时间至少是使用 .ck
我注意到 tensorflow 的 api 中已经有批量标准化函数。我不明白的一件事是如何更改训练和测试之间的程序? 批量归一化在测试和训练期间的作用不同。具体来说,在训练期间使用固定的均值和方差。
我创建了一个模型,该模型将 Mobilenet V2 应用于 Google colab 中的卷积基础层。然后我使用这个命令转换它: path_to_h5 = working_dir + '/Tenso
代码取自:- http://adventuresinmachinelearning.com/python-tensorflow-tutorial/ import tensorflow as tf fr
好了,所以我准备在Tensorflow中运行 tf.nn.softmax_cross_entropy_with_logits() 函数。 据我了解,“logit”应该是概率的张量,每个对应于某个像素的
tensorflow 服务构建依赖于大型 tensorflow ;但我已经成功构建了 tensorflow。所以我想用它。我做这些事情:我更改了 tensorflow 服务 WORKSPACE(org
Tensoflow 嵌入层 ( https://www.tensorflow.org/api_docs/python/tf/keras/layers/Embedding ) 易于使用, 并且有大量的文
我正在尝试使用非常大的数据集(比我的内存大得多)训练 Tensorflow 模型。 为了充分利用所有可用的训练数据,我正在考虑将它们分成几个小的“分片”,并一次在一个分片上进行训练。 经过一番研究,我
根据 Sutton 的书 - Reinforcement Learning: An Introduction,网络权重的更新方程为: 其中 et 是资格轨迹。 这类似于带有额外 et 的梯度下降更新。
如何根据条件选择执行图表的一部分? 我的网络有一部分只有在 feed_dict 中提供占位符值时才会执行.如果未提供该值,则采用备用路径。我该如何使用 tensorflow 来实现它? 以下是我的代码
我是一名优秀的程序员,十分优秀!