ptb_platform.py 重命名为 ptb_caicloud_taas.py，并且添加了相关的注释说明。

.gitignore

@@ -1,2 +1,3 @@
 *~
-*.pyc
+*.pyc
+.DS_Store

caicloud.tensorflow/caicloud/clever/examples/ptb/ptb_platform.py → caicloud.tensorflow/caicloud/clever/examples/ptb/ptb_caicloud_taas.py

@@ -101,6 +101,12 @@ def perplexity_compute_fn(session):
 def train_step(session, model, eval_op=None, verbose=False):
     """针对每个 batch size 中被截断的序列进行一次训练操作。
     """
+
+    # 注：
+    # 与原生的 ptb_word_lm.py 中的模型训练的区别：
+    # 这里每次对 batch size 中的截断序列进行模型训练的时候会进行一次初始化状态。
+    # 而 ptb_word_lm.py 中的 run_epoch 函数是在每 epoch 开始训练之前进行一次状态
+    # 初始化。
     state = session.run(model.initial_state)
 
     fetches = {
@@ -110,12 +116,7 @@ def train_step(session, model, eval_op=None, verbose=False):
     if eval_op is not None:
         fetches["eval_op"] = eval_op
 
-    feed_dict = {}
-    for i, (c, h) in enumerate(model.initial_state):
-        feed_dict[c] = state[i].c
-        feed_dict[h] = state[i].h
-
-    vals = session.run(fetches, feed_dict)
+    vals = session.run(fetches)
     cost = vals["cost"]
     state = vals["final_state"]
     iters = model.input.num_steps
@@ -140,6 +141,13 @@ def train_fn(session, num_global_step):
         print("Epoch: {0}, Global step: {1}, Learning rate: {2:.3f}".format(epoch + 1, num_global_step+1, session.run(mtrain.lr)))
 
     start_time = time.time()
+
+    # 注：
+    # 这里调用 train_step 函数来对每个 batch size 被截断的序列进行模型训练。
+    # 我们也可以直接调用 ptb_word_lm.py 中的 run_epoch 函数来执行一个 epoch 的模型训练，
+    # 但是，执行一个 epoch 的模型训练，global_step 会变化很多。于是，在启动分布式模型训练
+    # 任务的时候设置的最大训练轮数 max_steps 将不能正常起作用，最终停止模型训练的时候，
+    # 可能实际的 global_step 已经超过 max_steps 很多。
     train_perplexity = train_step(session, mtrain, eval_op=mtrain.train_op)
 
     # 计算训练速度（每秒处理多少个单词）。

caicloud.tensorflow/caicloud/clever/examples/ptb/train-model.sh

@@ -18,7 +18,7 @@
 rm -rf /tmp/ptb_saved_model
 rm -rf /tmp/ptb
 
-python ptb_platform.py \
+python ptb_caicloud_taas.py \
        --max_steps=10000 \
        --save_checkpoints_secs=3 \
        --save_summaries_secs=3 \