咨询您一个机器学习PAI问题哈，使用了cross_net_work？

咨询您一个机器学习PAI问题哈，使用了cross_net_work：
def _cross_net(self, tensor, num_cross_layers,scope_name):
x = x0 = tensor
input_dim = tensor.shape[-1]
for i in range(num_cross_layers):
name = 'crosslayer{}_{}'.format(scope_name,i)
w = tf.get_variable(
name=name + '_w',
dtype=tf.float32,
shape=(input_dim),
initializer=tf.initializers.glorot_uniform()
)
b = tf.get_variable(name=name + '_b', dtype=tf.float32, shape=(input_dim),initializer=tf.initializers.zeros())
xw = tf.reduce_sum(x w, axis=1, keepdims=True) # (B, 1)
x = tf.math.add(tf.math.add(x0 xw, b), x)
return x

其中w 这个variable 没指定 partitioner，训练的时候ps个数为10；

训练完成后，predict的时候只有worker没有ps，但发现训练和predict的时候 这个cross_net 函数输出的embedding 值不一样的 ，是拿同一组feature 进行的测试？