AI多种并行算法

AI多种并行算法

并行模型

• 模型并行（ model parallelism ）:分布式系统中的不同机器（GPU/CPU等）负责网络模型的不同部分 —— 例如，神经网络模型的不同网络层被分配到不同的机器，或者同一层内部的不同参数被分配到不同机器；[14]
• 数据并行（ data parallelism ）：不同的机器有同一个模型的多个副本，每个机器分配到不同的数据，然后将所有机器的计算结果按照某种方式合并。

 

• 当然，还有一类是混合并行（Hybrid parallelism），在一个集群中，既有模型并行，又有数据并行，例如，可以在同一台机器上采用模型并行化（在GPU之间切分模型），在机器之间采用数据并行化。

 

数据并行

数据并行化式的分布式训练，在每个工作节点上，存储一个模型的备份，在各台机器上处理数据集的不同部分。数据并行化式训练方法，需要组合各个工作节点的结果，在节点之间同步模型参数。各种方法之间的主要区别在于：

1. 参数平均法 vs. 更新式方法
2. 同步方法 vs. 异步方法
3. 中心化同步 vs. 分布式同步

参数平均 model averaging

参数平均是最简单的一种数据并行化。若采用参数平均法，训练的过程如下所示：

1. 基于模型的配置随机初始化网络模型参数
2. 将当前这组参数分发到各个工作节点
3. 在每个工作节点，用数据集的一部分数据进行训练
4. 将各个工作节点的参数的均值作为全局参数值
5. 若还有训练数据没有参与训练，则继续从第二步开始

上述第二步到第四步的过程如下图所示。在图中，W表示神经网络模型的参数（权重值和偏置值）。下标表示参数的更新版本，需要在各个工作节点加以区分。

 

参数平均法在数学意义上，等同于用单个机器进行训练；每个工作节点处理的数据量是相等的。（实际上如果采用momentum等技术，不是严格相等的）

假设该集群有n个工作节点，每个节点处理m个样本，总共是对nxm个样本求均值。如果在单台机器上处理所有nxm个样本，学习率设置为α，权重更新的方程为： 

 

假设把样本分配到n个工作节点，每个节点在m个样本上进行学习（节点1处理样本1，……，m，节点2处理样本m+1，……，2m，以此类推），得到： 

 

 参数平均法听上去非常简单，但事实上并没有看上去这么容易。

首先，应该如何求平均值？简单将每轮迭代之后的参数进行平均。一旦这样实现了，会发现此方法在计算之外的额外开销非常巨大；网络通信和同步的开销许就能抵消额外机器带来的效率收益。因此，参数平均法通常有一个大于1的平均周期averaging period（就每个节点的minibatch而言）。如果求均值周期太长，每个节点得到的局部参数更多样化，求均值之后的模型效果非常差。想法是N个局部最小值的均值并不保证就是局部最小：

 

 

 什么样的平均的周期算是过高呢？这个问题还没有结论性的回答，和其它超参数搅和在一起之后变得更为复杂，比如学习率、minibatch的大小，和工作节点的数量。有些初步的研究结论，建议平均的周期为每10~20个minibatch计算一次（每个工作节点），能够取得比较好的效果。随着平均的周期延长，模型的准确率则随之下降。

另一类额外的复杂度则是与优化算法相关，比如adagrad，momentum和RMSProp。这些优化方法，在神经网络的训练过程中，能够显著提升收敛的特性。这些updater都有中间状态（通常每个模型参数有1或2个状态值）—— 需要对这些状态值求均值吗？对每个节点的中间状态求均值可以加快收敛的速度，牺牲的代价则是两倍（或者多倍）增加网络的传输数据量。有些研究在参数服务器的层面应用类似的“updater”机制，而不仅仅在每个工作节点。

参考链接：

https://blog.csdn.net/xbinworld/article/details/74781605