请问多ps 多euler的情况下有infer的例子可以借鉴吗

[zhangyuhanjc]

目前处于分布式训练保存ckpt，可以读取 可以再训练的状态， 当user_id数量极多的情况下模型参数非常大 应该是多个ps来扛，这个时候想要导出user_embedding 不知有没有例子可以参考 ，我尝试在examples/graphsage/run_graphsage.py的基础上进行了 分布式train的修改是ok的， 不过在此基础上直接调用model_estimator.infer() 好像并不行，wo

进行infer时 代码、执行语句、日志分别是

代码主要部分
`tf_config={
'cluster': {'chief': chief_hosts, 'worker': worker_hosts, 'ps': ps_hosts},
'task': {'type': job_name, 'index': task_index}
}
if job_name == 'worker' and task_index == 0:
tf_config['task'] = {"index": 0, "type": "chief"}
....
....
model = graphSage的例子
config = tf.estimator.RunConfig(log_step_count_steps=None)
model_estimator = NodeEstimator(model, params, config)

if flags_obj.run_mode == 'train':
model_estimator.train_and_evaluate()
elif flags_obj.run_mode == 'evaluate':
model_estimator.evaluate()
elif flags_obj.run_mode == 'infer':
model_estimator.infer()
else:
raise ValueError('Run mode not exist!')
`
执行语句
python run_graphsage_distribute_new.py --job_name 'start_euler' --shard_idx 0 --shard_num ${shard_num} --data_dir ${data_dir} --zk_addr ${zk_addr} --zk_path ${zk_path}
python run_graphsage_distribute_new.py --job_name 'start_euler' --shard_idx 1 --shard_num ${shard_num} --data_dir ${data_dir} --zk_addr ${zk_addr} --zk_path ${zk_path}

python run_graphsage_distribute_new.py --job_name 'ps' --shard_num ${shard_num} --task_index 0 --ps_hosts ${ps_hosts} --worker_hosts ${worker_hosts} --chief_hosts ${chief_hosts} --zk_addr ${zk_addr} --zk_path ${zk_path} # ps
刚启动到这个ps 时就已经有问题了（目前仅1个ps节点）

日志图片