TensorFlow理解关于WALSModel分片和监督的伪代码

Question

注意：这个问题有一个关联的colab，并且基于^{}的伪代码。你知道吗

简而言之，问题是如何完成^{}的伪代码（参见colab）

---

Tensorflow的文档并不完整，也不一定是最好的。文档页面简单地链接到.proto文件（可能有一些注释，也可能有一个示例）并不少见。例如^{}、^{}、^{}、^{}等都链接到一个.proto文件，供用户解密。你知道吗

这会使伪代码的转换成为一个冗长而复杂的过程，有时会让在api的“更高”级别工作的用户陷入困境。你知道吗

这就是^{}伪代码的情况。你知道吗

^{}伪代码特别难以破译的部分原因是伪代码不适用于基本用例（将矩阵输入到WALSModel，运行i迭代，并得到结果row_factors/col_factors）。相反，这段伪代码旨在演示如何运行WALSModel，可能是在具有分片矩阵（对于大型输入矩阵可能需要）的分布式设置中。你知道吗

但是，这个伪代码不能为实现分布式的、分片的WALSModel提供足够的指导。你知道吗

为什么？你知道吗

对于初学者来说，在定义更新操作之前，首先要提到应该共享输入矩阵：

_, row_update_op, unreg_row_loss, row_reg, _ = model.update_row_factors(
     sp_input = matrix_slices_from_queue_for_worker_shard
)

伪代码变量matrix_slices_from_queue_for_worker_shard没有说明用户应该如何尝试。你知道吗

伪代码中大间隙的进一步示例将在几行之后出现：

# model_init_op is passed to Supervisor. Chief trainer runs it. Other
# trainers wait.
sv = tf.train.Supervisor(is_chief=is_chief,
                   ...,
                   init_op=tf.group(..., model_init_op, ...), ...)

在这个大的伪代码块中，提到了应该在哪里/如何设置首席培训师，或者如何让其他培训师等待。你知道吗

可以理解，这个伪代码是专门针对WALSModel的，而不是针对队列训练器的。然而，考虑到^{}文档链接到一个不存在的“培训”指南（只列出了模块/类，其中许多链接到.proto文件），我们应该去哪里学习如何正确地实现它？你知道吗

因此，我开始尽我所能尝试填充这个伪代码（参见colab），很快就遇到了死胡同。你知道吗

如果您能提供任何帮助/指导来完成这个伪代码（分布式、分片的WALSModel），或者在哪里阅读更多关于如何做到这一点的内容，我将不胜感激。你知道吗

可能会用到半相关的issue 26928，其中@walidk链接到tf.Estimator版本的WALSModel（WALSMatrixFactorization）的一些test code，似乎有更多的代码用于分片，但由于它是Estimator，与^{}文档页上提供的伪代码相关的WALSModel需要什么并不一定清楚。你知道吗