在TensorFlow中关闭服务器

fois 发表于 Dev

次

当我们想使用分布式TensorFlow时，我们将使用以下命令创建参数服务器

tf.train.Server.join()

但是，除了杀死进程之外，我找不到关闭服务器的任何方法。join（）的TensorFlow文档是

Blocks until the server has shut down.
This method currently blocks forever.

这让我很困扰，因为我想创建许多用于计算的服务器，并在一切完成后将其关闭。

是否有可能的解决方案。

谢谢

雅罗斯拉夫·布拉托夫（Yaroslav Bulatov）

您可以通过使用session.run(dequeue_op)来使参数服务器进程按需终止，而不是server.join()在您希望该进程终止时使用，让另一个进程将某些东西排队到该队列中。

因此，对于k参数服务器分片，您可以创建k具有唯一shared_name属性的队列，然后尝试dequeue从该队列开始。当您要关闭服务器时，可以遍历所有队列并将enqueue令牌循环到每个队列上。这将导致session.run取消阻止，并且Python进程将运行到最后并退出，从而使服务器停机。

下面是一个包含两个分片的独立示例：https : //gist.github.com/yaroslavvb/82a5b5302449530ca5ff59df520c369e

（有关多工作者/多分片的示例，请参见https://gist.github.com/yaroslavvb/ea1b1bae0a75c4aae593df7eca72d9ca）

import subprocess
import tensorflow as tf
import time
import sys

flags = tf.flags
flags.DEFINE_string("port1", "12222", "port of worker1")
flags.DEFINE_string("port2", "12223", "port of worker2")
flags.DEFINE_string("task", "", "internal use")
FLAGS = flags.FLAGS

# setup local cluster from flags
host = "127.0.0.1:"
cluster = {"worker": [host+FLAGS.port1, host+FLAGS.port2]}
clusterspec = tf.train.ClusterSpec(cluster).as_cluster_def()

if __name__=='__main__':
  if not FLAGS.task:  # start servers and run client

      # launch distributed service
      def runcmd(cmd): subprocess.Popen(cmd, shell=True, stderr=subprocess.STDOUT)
      runcmd("python %s --task=0"%(sys.argv[0]))
      runcmd("python %s --task=1"%(sys.argv[0]))
      time.sleep(1)

      # bring down distributed service
      sess = tf.Session("grpc://"+host+FLAGS.port1)
      queue0 = tf.FIFOQueue(1, tf.int32, shared_name="queue0")
      queue1 = tf.FIFOQueue(1, tf.int32, shared_name="queue1")
      with tf.device("/job:worker/task:0"):
          add_op0 = tf.add(tf.ones(()), tf.ones(()))
      with tf.device("/job:worker/task:1"):
          add_op1 = tf.add(tf.ones(()), tf.ones(()))

      print("Running computation on server 0")
      print(sess.run(add_op0))
      print("Running computation on server 1")
      print(sess.run(add_op1))

      print("Bringing down server 0")
      sess.run(queue0.enqueue(1))
      print("Bringing down server 1")
      sess.run(queue1.enqueue(1))

  else: # Launch TensorFlow server
    server = tf.train.Server(clusterspec, config=None,
                             job_name="worker",
                             task_index=int(FLAGS.task))
    print("Starting server "+FLAGS.task)
    sess = tf.Session(server.target)
    queue = tf.FIFOQueue(1, tf.int32, shared_name="queue"+FLAGS.task)
    sess.run(queue.dequeue())
    print("Terminating server"+FLAGS.task)

本文收集自互联网，转载请注明来源。

如有侵权，请联系 [email protected] 删除。