[发明专利]一种分布式并行训练的方法和系统有效
| 申请号： | 201910736410.5 | 申请日： | 2019-08-09 |
| 公开（公告）号： | CN110503194B | 公开（公告）日： | 2022-05-24 |
| 发明（设计）人： | 王晓飞 | 申请（专利权）人： | 苏州浪潮智能科技有限公司 |
| 主分类号： | G06N3/063 | 分类号： | G06N3/063;G06N3/08;G06F13/40;G06F13/42 |
| 代理公司： | 北京连和连知识产权代理有限公司 11278 | 代理人： | 刘小峰 |
| 地址： | 215100 江苏省苏州市吴*** | 国省代码： | 江苏;32 |
| 权利要求书： | 查看更多 | 说明书： | 查看更多 |
| 摘要： | 本发明涉及了本发明基于上述目的提出了一种分布式并行训练的方法，包括以下步骤：执行多个GPU基于训练模型的训练以得到训练参数；根据训练参数的传输所需带宽确定GPU与CPU之间的第一总线的第一GPU数量阈值，并将该第一GPU数量阈值与GPU的数量进行比较；响应于GPU的数量大于第一GPU数量阈值，将GPU分组并计算每组GPU的训练参数之和；将各组的该训练参数之和通过第一总线上传至CPU，并根据CPU对全部训练参数之和计算的梯度平均值更新各GPU的训练模型。根据本发明的分布式并行训练的方法及系统优化了分布式并行训练，提高训练效率、节省深度学习训练时间并在一定程度上减轻CPU负担、增强深度学习效果。 | ||
| 搜索关键词： | 一种 分布式 并行 训练 方法 系统 | ||
【主权项】：
1.一种分布式并行训练的方法，其特征在于，所述方法包括以下步骤：/n执行多个GPU基于训练模型的训练以得到训练参数；/n根据所述训练参数的传输所需带宽确定所述GPU与CPU之间的第一总线的第一GPU数量阈值，并将所述第一GPU数量阈值与所述GPU的数量进行比较；/n响应于所述GPU的数量大于所述第一GPU数量阈值，将所述GPU分组并计算每组GPU的训练参数之和；/n将各组的所述训练参数之和通过所述第一总线上传至CPU，并根据CPU对全部所述训练参数之和计算的梯度平均值更新各GPU的训练模型。/n
下载完整专利技术内容需要扣除积分，VIP会员可以免费下载。
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苏州浪潮智能科技有限公司，未经苏州浪潮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/patent/201910736410.5/，转载请声明来源钻瓜专利网。
