Tensorflow如何转储结果放置算法

62lalag4 于 2023-03-09 发布在其他

关注(0)|答案(1)|浏览(159)

1.我对模型并行性很感兴趣，我读过Yaroslav Bulatov的代码，在这个例子中，我们应该划分模型（或在tensorflow 中称为Graph）手动分配到不同的分区（left_network & right_network）。所以，我想知道我是否必须手动进行分区，simple_placer.cc和graph_partition.cc对整个图做了什么，我还是不太清楚。
1.在我的思想（让我知道，如果任何thong错误）：如果该图有8个分区（子图），可以看作8个作业和4个工人，如何将分区分配给工人可以通过：

通过tf.device()的显式注解，或
分布式培训，tf.train.replica_device_setter()

在参数服务器之间共享变量，否则将所有操作放在工作设备上
但是图是如何划分的呢？我想追踪子图（操作节点集）是什么样子的？我可以转储结果还是需要追踪/修改哪个代码文件？
请让我知道，如果任何概念是错误的或模糊的。我是一个新手这些，任何意见是赞赏。
1.在下面的代码中，matmul是op-node吗？它会被划分到不同的作业中吗？

y_ = tf.placeholder(tf.float32, [None, 10])
 x = tf.placeholder(tf.float32, [None, 784])
 W = tf.Variable(tf.zeros([784, 10]))
 b = tf.Variable(tf.zeros([10]))
 y = tf.matmul(x, W)  + b

tensorflow

来源：https://stackoverflow.com/questions/45709661/tensorflow-how-to-dump-the-result-placement-algorithm

1条答案

按热度按时间

hkmswyz61#

通过在调用tf.Session.run()时传递附加选项，可以获得放置算法的结果

# ...
y = tf.matmul(x, W) + b

sess = tf.Session()
options = tf.RunOptions(output_partition_graphs=True)
metadata = tf.RunMetadata()

sess.run(y, options=options, run_metadata=metadata)

# `metadata` now contains information about what happened during the `run()` call.
for partition in metadata.partition_graphs:

  # `partition` is a `tf.GraphDef` representing all the nodes that ran on a single
  # device. All nodes in `partition` have the same `device` value.
  device = partition.node[0].device

  for node in partition.node:
    # e.g. print each node or store it in a dictionary for further analysis.
    # ...

赞(0）回复(0）举报 2023-03-09

我来回答

Tensorflow如何转储结果放置算法

1条答案

相关问题

热门标签

最新问答