TFF：远程执行器答案

【问题标题】：TFF: Remote ExecutorTFF：远程执行器
【发布时间】：2020-10-15 15:32:32
【问题描述】：

我们正在不同物理机器上设置服务器和客户端的联合场景。

在服务器上，我们使用了 docker 容器来启动：

以上是从Kubernetes tutorial借来的。 我们相信这会创建一个“本地执行程序”[Ref 1]，它有助于创建 gRPC 服务器 [Ref 2]。

参考 1：

参考 2：

接下来在客户端 1 上，我们调用连接到 gRPC 服务器的 tff.framework.RemoteExecutor。

基于上述我们的理解是，Remote Executor 运行在连接 gRPC 服务器的客户端上。

假设以上是正确的，我们如何发送一个

tff.tf_computation

从服务器到客户端并在客户端打印输出以确保整个设置正常运行。

【问题讨论】：

标签： tensorflow-federated

【解决方案1】：

你的理解绝对正确。

如果您直接构造一个ExecutorFactory，就像上面代码中的情况一样，将它传递给tff.framework.set_default_context 将安装您的远程堆栈作为在TFF 运行时执行计算的默认机制。如果需要，您还应该能够将适当的通道传递给tff.backends.native.set_remote_execution_context 以处理远程执行器构建和上下文安装，但您的操作方式确实有效，并且允许更大程度的自定义。

设置完成后，端到端运行示例应该相当简单。我们将建立一个计算，它采用一组联合整数，在客户端上打印，并将整数相加。让：

@tff.tf_computation(tf.int32)
def print_and_return(x):
  # We must use tf.print here, as this logic will be
  # serialized and run on the clients as TensorFlow.
  tf.print('hello world')
  return x

@tff.federated_computation(tff.FederatedType(tf.int32, tff.CLIENTS))
def print_and_sum(federated_arg):
  same_ints = tff.federated_map(print_and_return, federated_arg)
  return tff.federated_sum(same_ints)

假设我们有N 客户；我们只需实例化一组联合整数，然后调用我们的计算。

federated_ints = [1] * N
total = print_and_sum(federated_ints)
assert total == N

这应该会导致上面定义的tf.prints 在远程机器上运行；只要将tf.print 定向到您可以监控的输出流，您就应该能够看到它。

PS：您可能会注意到上面的联合总和是不必要的；那当然是。只需将标识函数与序列化打印映射即可获得相同的效果。

【讨论】：