未来版本的tensorflow是否会提供一种方法来运行单节点tf.sess在具有多个ps节点和工作节点的分布式环境中通过python接口生成的张量流图？ 或者现在是否支持？
我正在尝试在我的笔记本（单节点）上构建我的tf.graph并将图形保存到二进制文件中， 然后将二进制图加载到分布式环境（具有乘法ps和工作节点）以训练和验证它。现在似乎不支持它。
我在tensorflow-0.10上试过但失败了。 使用
tf.train.write_graph(sess.graph_def, path, pb_name)
界面：保存的图表无法训练，因为根据.pb文件加载import_graph_def g.create_ops文件只会.bp，但不会添加到{{1} }}。因此加载的图形不可训练。
使用ops.collections保存tf.saver.save文件：由于设备分配混乱，加载的图形无法适应分布式环境。
我试过了
.meta界面让负载清理原始设备分配并让tf.train.import_meta_graph('test_model.meta', clear_devices=True)
为每个变量重新分配设备，但是存在问题，因为属于with tf.device(device_setter)和Saver的操作仍然可以没有正确分配。在Restore调用的Saver内Restore g.create_op内创建import_graph_def和import_meta_graph操作的操作时，device_setter不会将ps节点分配给这些操作，因为它们的名称是不是Variable。
有没有办法这样做？