使用分布式Estimator培训+ ml引擎进行设备放置

Question

我试图让一个简单的估算器在Google Machine Learning Engine上的2台以上的机器上进行训练。无法弄清楚如何指示设备放置。

model_fn（部分内容）

def model_fn(features, labels, mode, params):
  x = tf.reshape(features, [-1, 199, 199, 3])

  with tf.device('/cpu:0'):
      conv1 = tf.layers.conv2d(x, filters=16, kernel_size=3, activation=tf.nn.relu)
      pool1 = tf.layers.max_pooling2d(conv1, pool_size=[2, 2], strides=2)

  with tf.device('/cpu:0'):
      conv2 = tf.layers.conv2d(pool1, filters=32, kernel_size=3, activation=tf.nn.relu)
      pool2 = tf.layers.max_pooling2d(conv2, pool_size=[2, 2], strides=2)

config.yaml

trainingInput:
  scaleTier: CUSTOM
  masterType: standard_gpu
  workerType: standard_gpu
  parameterServerType: large_model
  workerCount: 1
  parameterServerCount: 1

作业已创建，但很快就会遇到错误日志中的以下内容（并且没有任何内容保存到model_dir）

每个设备（worker-replica-0，master-replica-0和ps-replica-0）的错误消息都是相同的：

# ps and worker: -------------v
message:  "    grpc epoll fd: 3" 

# master ---------------------v
message:  "    grpc epoll fd: 4" 

修改

我已删除了with tf.device语句，并显示相同的错误。我尝试过部署到不同的扩展类型，但是任何一台机器（CPU或GPU）都失败了。