tf.Session()
不是 fork
安全的,这意味着当 TensorFlow
加载到内存未知。
是否有任何解决方法可以在多个进程之间共享多个设备(在一台机器上)?
最佳答案
在多个进程之间共享 TensorFlow 运行时的标准方法是使用 distributed TensorFlow support ,它也适用于单台机器。
在一个进程中,您可以通过运行以下代码来启动服务器:
import tensorflow as tf
server = tf.train.Server.create_local_server()
print server.target # for other processes to connect
server.join()
默认情况下,此进程将拥有机器上的所有设备。
在其他进程中,您可以创建连接到服务器的tf.Session
对象:
sess = tf.Session("grpc://localhost:...") # Use value of `server.target`.
这些 session 可以像进程内 session 一样使用。
关于python - 加载 TensorFlow 后派生一个 python 进程,我们在Stack Overflow上找到一个类似的问题: https://stackoverflow.com/questions/37874838/