分布式训练 Line Loss异常

您好，感谢能开源这么好的框架，使用起来也非常方便，但是我在分布式训练Line时遇到个问题：
分布式(1ps+4worker)训练的loss变得非常大，我确定数据按分partitions的方式进行切分了，并进行了验证，确保没有问题，训练参数如下：
nohup python -m tf_euler \
--ps_hosts=xxx:1999 \
--worker_hosts=xxx:2000,xxx:2000,xxx:2000,xxx:2000 \
--job_name=worker \
--task_index=0 \
--data_dir hdfs:xxxxx/euler/test_data/ \
--model_dir=hdfs:x/euler/LINE_embedding \
--euler_zk_addr xxx:2181 \
--euler_zk_path /test_embedding \
--max_id 8428196 \
--learning_rate 0.001 \
--num_epochs 50 \
--batch_size 320000 \
--log_steps 20 \
--model line --mode train --dim 128 &
训练结果：
为什么loss 会变得这么大，我看好多关于line的提问，好像都有这个问题，
非常希望您能指导一下，

Start with the distributed `python -m tf_euler` LINE training command and compare its loss with a single-worker run using the same partitioned data and parameters. Inspect the `line` training entry point and worker/parameter-server logs; done means reproducing the discrepancy, identifying its cause, and documenting or validating the correction.

Written by the indexing model from the issue text.