zoukankan      html  css  js  c++  java
  • 124、TensorFlow替换函数

    # tf.device给你了很多可伸缩性在TensorFlow的计算图中选择放置你的单独的操作
    # 在许多的情况下,有很多启发可以工作的很好
    # 例如tf.train.replica_device_setter API可以和tf.device一起使用,在进行数据分布式并行性话训练的时候
    # 列如下面的代码块显示了tf.train.replica_device_setter  如何在tf.Variable 对象和其他的操作之间
    # 应用不同的参数放置策略
    with tf.device(tf.train.replica_device_setter(ps_tasks=3)):
        # tf.Variable objects are , by default , placed on tasks in "/job:ps" in a
        # round-robin fashion
        w_0 = tf.Variable(...)  # placed on "/job:ps/task:0"
        b_0 = tf.Variable(...)  # placed on "/job:ps/task:1"
        w_1 = tf.Variable(...)  # placed on "/job:ps/task:2"
        b_1 = tf.Variable(...)  # placed on "/job:ps/task:0"
        
        input_data = tf.placeholder(tf.float32)  # placed on "/job:worker"
        layer_0 = tf.matmul(input_data, w_0) + b_0  # placed on "/job:worker"
        layer_1 = tf.matmul(layer_0, w_1) + b_1  # placed on "/job:worker"
  • 相关阅读:
    程序员掌握的单词汇总
    Django--基础补充
    C#入门概述
    python常用模块
    软件开发经验之谈
    p7.BTC-挖矿总结
    p6.BTC-挖矿难度
    p5.BTC-网络
    p4.BTC-实现
    p3.BTC-协议
  • 原文地址:https://www.cnblogs.com/weizhen/p/8451493.html
Copyright © 2011-2022 走看看