# 定義服務器和設備之間的參數和操作 您可以使用我們在第 1 章中使用的`tf.device()`函數，將參數放在`ps`任務和`worker`任務上圖的計算節點上。 請注意，您還可以通過將設備字符串添加到任務字符串來將圖節點放置在特定設備上，如下所示：`/job:<job name>/task:<task index>/device:<device type>:<device index>`. 對于我們的演示示例，我們使用 TensorFlow 函數`tf.train.replica_device_setter()`來放置變量和操作。 1. 首先，我們將 worker 設備定義為當前 worker： ```py worker_device='/job:worker/task:{}'.format(FLAGS.task_index) ``` 1. 接下來，使用`replica_device_setter`定義設備功能，傳遞集群規范和當前工作設備。 `replica_device_setter`函數從集群規范中計算出參數服務器，如果有多個參數服務器，則默認情況下以循環方式在它們之間分配參數。參數放置策略可以更改為`tf.contrib`包中的用戶定義函數或預構建策略。 ```py device_func = tf.train.replica_device_setter( worker_device=worker_device,cluster=clusterSpec) ``` 1. 最后，我們在`tf.device(device_func)`塊內創建圖并訓練它。對于同步更新和異步更新，圖的創建和訓練是不同的，因此我們將在兩個單獨的小節中介紹這些內容。