加载 TensorFlow 后分叉 python 进程

Question

tf.Session()是fork不安全的，这意味着在将进程TensorFlow加载到内存中后，系统的行为是未知的。

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）？

Answer 1

在多个进程之间共享 TensorFlow 运行时的标准方法是使用分布式 TensorFlow 支持，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tf.Session连接到服务器的对象：

sess = tf.Session("grpc://localhost:...")  # Use value of `server.target`.

这些会话可以像进程内会话一样使用。