未能运行 tensorflow 分布式 MNIST 测试答案

【问题标题】：Failed to run tensorflow distributed MNIST test未能运行 tensorflow 分布式 MNIST 测试
【发布时间】：2016-10-10 07:55:12
【问题描述】：

我通过从源代码构建安装了 tensorflow 0.8。我使用具有 4 个 GPU 的 AWS EC2 g2.8xlarge 实例。我尝试运行 tensorflow 分布式 mnist 测试，代码在这里： https://github.com/tensorflow/tensorflow/blob/master/tensorflow/tools/dist_test/scripts/dist_mnist_test.sh

我的脚本：

bash dist_mnist_test.sh "grpc://localhost:2223 grpc://localhost:2224"

我收到了这条消息：

E0609 14:53:07.430440599   62872 tcp_client_posix.c:173]     failed to connect to 'ipv4:127.0.0.1:2223': socket error: connection refused
E0609 14:53:07.445297934   62873 tcp_client_posix.c:173]     failed to connect to 'ipv4:127.0.0.1:2224': socket error: connection refused

有人知道这里出了什么问题吗？非常感谢！

【问题讨论】：

标签： tensorflow distributed deep-learning

【解决方案1】：

此脚本不能独立运行。特别是，它希望您在运行脚本之前创建了一个 TensorFlow 集群，其中运行在每个地址的工作人员。 create_tf_cluster.sh 脚本可以使用 Kubernetes 设置这样的集群。 dist_test.sh 脚本端到端运行这些脚本。

请参阅 my answer 来回答您的其他问题，该问题提供了在分布式 TensorFlow 上运行 MNIST 的建议脚本。

【讨论】：

非常感谢您的回答！

【解决方案2】：

我怀疑这里存在网络问题。我将采取的第一个调试步骤是确保使用 netstat 之类的工具实际上正在监听套接字 2223 和 2224。以下是如何做到这一点的一个很好的一般描述： https://askubuntu.com/questions/278448/how-to-know-what-program-is-listening-on-a-given-port

如果可行，请尝试使用 telnet 手动连接到套接字，以确保网络寻址正常工作。

【讨论】：