无法运行tensorflow分布式MNIST测试

Question

我通过从源代码构建安装tensorflow 0.8。 我使用具有4个GPU的AWS EC2 g2.8xlarge实例。 我试图在这里运行tensorflow分布MNIST测试，代码： 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" 

，我得到这个消息：

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 

任何一个知道这里有什么问题？非常感谢！

Answer 1

此脚本不能独立运行。特别是，它期望您创建了一个TensorFlow集群，其中运行脚本的之前的每个地址都运行。 create_tf_cluster.sh脚本可以使用Kubernetes设置此类群集。 dist_test.sh脚本端到端运行这些脚本。

请参阅my answer您的其他问题，其中有一个建议脚本在分布式TensorFlow上运行MNIST。

Answer 2

我怀疑这里存在网络问题。我要采取的第一个调试步骤是确保使用像netstat这样的工具实际监听套接字2223和2224。这里有一个很好的总体描述如何做到这一点： https://askubuntu.com/questions/278448/how-to-know-what-program-is-listening-on-a-given-port

如果可行，然后尝试使用telnet手动连接到套接字，以确保网络地址正常工作。