开发指南

TaaS 平台的分布式模型训练环境除了支持原生的 TensorFlow API，还支持两个 TensorFlow 的高级封装：TensorFlow-slim 和 tf.contrib.learn。在这个开发指南中，我们将一步步指导你如何开发支持相对应 API 的 TaaS 分布式模型训练任务代码。

原生 TensorFlow API 模型训练任务

我们将通过 MNIST 样例代码来一步步指导你如何实现 TaaS 分布式模型训练任务，包括

• 基本模型训练
• 模型自定义初始化
• 模型参数同步更新
• 模型评估
• 模型导出

tf.contrib.learn 模型训练任务

tf.contrib.learn 是 TensorFlow 官方提供的一个对 TensorFlow 的高层封装，通过这个封装，用户可以和使用 sklearn 类似的方法使用 TensorFlow。

• 快速入门：通过 Boston House 样例快速入门如何开发一个支持 tf.contrib.learn 的 TaaS 分布式模型训练任务。
• feed 数据：提供改造快速入门中 Boston House 样例代码来说明如何在 tf.contrib.learn 中使用 feed 机制。
• 模型导出：通过调整快速入门中 Boston House 样例代码来说明如何在 TaaS 平台上导出可以托管的 tf.contrib.learn 模型。