distributed

0热度

1回答

我有一个ps任务服务器和两个工作任务服务器的分布式设置。每个在CPU上运行。我以异步方式运行以下示例，但它不能同步工作。我不知道如果我在做什么错代码： import math import tensorflow as tf from tensorflow.examples.tutorials.mnist import input_data # Flags for defining the

1热度

1回答

将CSV表转换为Redis数据结构

我正在寻找一种方法/数据结构来实现用于验证的二进制匹配器的评估系统。该系统将分布在多台PC上。基本思路是，在许多地方在互联网上所描述的，例如，在本文档中：https://precisebiometrics.com/wp-content/uploads/2014/11/White-Paper-Understanding-Biometric-Performance-Evaluation.pdf 这

0热度

1回答

在分布式Tensorflow中，具有多个参数服务器的效果如何？

当我们有一个由其工作人员更新的参数服务器时，对于相同数量的工人有多个参数服务器会有什么影响？即当我们有多个参数服务器而不是一个参数服务器时会发生什么？谢谢。

2热度

1回答

如何在火花数据框中强制重新分区？

我有很多火花dataframes上，我需要做到以下几点： 1) load a single spark dataframe 2) select rows from it 3) merge it with all of the previous spark dataframes 现在，每个上面的操作需要不同的numberof分区。选择行需要很多分区，比如100个分区。合并需要非常少的分区

2热度

1回答

是什么叫dask.distrubuted.Executor和dask.distributed.Client

我有一个关于从DASK文档并发期货要点问题之间的区别：https://gist.github.com/mrocklin/ef9ccd29a6ec5f4de84d6192be95042a 当我们实例化一个执行者，这是否意味着它实例一个调度程序呢？执行人的再版说 <Client: scheduler='tcp://127.0.0.1:60329' processes=4 cores=4> 那么究竟是什

-1热度

1回答

的JMeter - 样品采集模式（分布式测试）不能切换到统计，忽略命令行PARAMS

的情况是在问题的头:) 一些细节相当多描述：的JMeter 3.0版本r1743807; 共7个负载生成器，两个windows服务器，5个redhat主机。所有机器在同一个子网中。一台Windows服务器同时用作jmeter-server和一个负载控制器。测试REST-api系统，加载大约20-40k个虚拟用户，执行复杂的场景。一切似乎工作非常好，但我不能用上面提到的问题处理 - 文件与测试结果完

1热度

1回答

在分布式Tensorflow中批量处理数据

我对Tensorflow非常陌生，所以我的问题听起来很愚蠢，但我无法真正找到正确的解释，所以在此处询问。我需要你的帮助，以了解在分布式Tensorflow程序中如何进行数据的批处理或分配。由于我们执行多个客户端，基本具有相同的代码，以获得下一批： batch_xs, batch_ys = mnist.train.next_batch(FLAGS.batch_size) 我不明白怎么会变成这

0热度

2回答

Maploader延迟初始化与索引

我有它使用索引的查询 public class Customer implements Serializable { private String id; private String name; public Customer(String id, String name) { super(); this.id = id; t

0热度

2回答

我可以依赖收件人使用相同的Message-Id重复删除电子邮件吗？

在开发发送或中继电子邮件的系统时，远程（SMTP）主机的网络超时或关键时刻的系统故障可能导致发件人无法确定电子邮件是否已被转发的解决方案。为了实现有保证的交付，至少有一次的语义似乎是可能的选择。对此，如果重新发送电子邮件时使用相同的Message-Id，是否有理由认为重复数据删除会发生在下游某处？

1热度

1回答

tf.train.SyncReplicasOptimizer是否将参数更新从聚合渐变完成很多次？

在/model/inception/inception/inception_distributed_training.py中为每个worker调用apply_gradients。 apply_gradients_op = opt.apply_gradients(grads, global_step=global_step) 并进入SyncReplicasOptimizer.py： 285 #