咨询个机器学习PAI问题哈：ev 必须定义在特定的scope下吗？

是的，ev 必须在特定的 scope 下定义。这是因为 tf.distribute.Strategy.scope() 创建了一个作用域，在这个作用域内定义的变量和操作才能被分布式策略正确处理。

在你提供的代码中，你使用了 tf.contrib.distribute.ParameterServerStrategy()，这是一个参数服务器（Parameter Server）分布式策略。在参数服务器策略中，每个工作节点都需要将模型的参数存储在一个中心位置，称为参数服务器。这个策略通常用于大规模深度学习训练，因为它可以有效地处理大量数据和参数。

要解决这个问题，你需要确保在 distribution.scope() 的作用域内定义 ev。例如：

import tensorflow as tf

distribution = tf.contrib.distribute.ParameterServerStrategy()

with distribution.scope():
    ev = ...  # 在这里定义你的变量或操作

这样，ev 就会在参数服务器策略的作用域内定义，从而避免了错误。

是的，目前不支持，如果你仅仅是想把参数放ps，不用这个Strategy也可以的，此回答整理自钉群“DeepRec用户群”

看起来您正在使用 TensorFlow 参数服务器（Parameter Server）策略，并遇到了“colocate_vars_with 必须只在当前策略作用域中传递变量”的错误。这是因为 TensorFlow 的某些 API 只能在特定的策略作用域中使用，以确保变量在适当的设备上被分配和训练。
为了修复此问题，您需要确保您的 ev 变量是在 Parameter Server 策略作用域中定义的，如下所示：

1. 使用 with 语句定义策略作用域：

with distribution.scope():
  # 定义变量
  ev = ...

1. 将 ev 变量分配给适合的设备：

with distribution.scope():
  # 定义变量
  ev = ...

# 在策略作用域外分配变量
ev = distribution.experimental colocate_variables_with(ev)