[发明专利]一种基于AllReduce分布式训练梯度压缩加速方法在审
| 申请号： | 202011504384.2 | 申请日： | 2020-12-17 |
| 公开（公告）号： | CN112529163A | 公开（公告）日： | 2021-03-19 |
| 发明（设计）人： | 谢远东;梁家恩 | 申请（专利权）人： | 云知声智能科技股份有限公司;厦门云知芯智能科技有限公司 |
| 主分类号： | G06N3/04 | 分类号： | G06N3/04;G06N3/08 |
| 代理公司： | 暂无信息 | 代理人： | 暂无信息 |
| 地址： | 100096 北京市海*** | 国省代码： | 北京;11 |
| 权利要求书： | 查看更多 | 说明书： | 查看更多 |
| 摘要： | |||
| 搜索关键词： | 一种 基于 allreduce 分布式 训练 梯度 压缩 加速 方法 | ||
1.一种基于AllReduce分布式训练梯度压缩加速方法，其特征在于，包括：
采用AllReduce分布式深度梯度压缩训练架构，所述AllReduce分布式深度梯度压缩训练架构中，不存在参数服务器，工作机之间形成环形闭环传递路径，GPU之间传递压缩后梯度；以及
将节点内压缩模块中将梯度从FP32转成FP16；并
使用误差反馈随机梯度下降算法压缩梯度。
2.根据权利要求1所述的基于AllReduce分布式训练梯度压缩加速方法，其特征在于，所述误差反馈随机梯度下降算法包括：
针对每一次训练进行解压缩得到值pt。
3.根据权利要求2所述的基于AllReduce分布式训练梯度压缩加速方法，其特征在于，所述误差反馈随机梯度下降算法还包括：
使用梯度压缩算法对值pt进行梯度压缩。
4.根据权利要求3所述的基于AllReduce分布式训练梯度压缩加速方法，其特征在于，
值pt为pt＝ηgt+et，其中，gt为随机梯度下降值，et为偏差值。
5.根据权利要求4所述的基于AllReduce分布式训练梯度压缩加速方法，其特征在于，
et初始值为0。
6.根据权利要求5所述的基于AllReduce分布式训练梯度压缩加速方法，其特征在于，
所述梯度压缩实施为：采用topk算法，取梯度前k个值pt进行数据整合。
7.根据权利要求5所述的基于AllReduce分布式训练梯度压缩加速方法，其特征在于，所述误差反馈随机梯度下降算法还包括：
更新参数：xt+1＝xt-Δt，et+1＝pt-Δt。
8.一种存储介质，其特征在于，
所述存储介质包括存储的程序，其中，在所述程序运行时控制所述存储介质所在设备执行如权利要求1-7任一项所述的基于AllReduce分布式训练梯度压缩加速方法。
该专利技术资料仅供研究查看技术是否侵权等信息，商用须获得专利权人授权。该专利全部权利属于云知声智能科技股份有限公司;厦门云知芯智能科技有限公司，未经云知声智能科技股份有限公司;厦门云知芯智能科技有限公司许可，擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作，请联系【客服】
本文链接：http://www.vipzhuanli.com/pat/books/202011504384.2/1.html，转载请声明来源钻瓜专利网。
