原书出处
深入浅出Embedding:原理解析与应用实践 (吴茂贵, 王红星)
appa 附录A 基于GPU的TensorFlow 2+与PyTorch 1+升级安装
服务器策略。 这里主要介绍第1种策略,即镜像策略。TensorFlow 2.0在多GPU训练上的效果是否更好了呢?是的,
镜像策略用于单机多卡数据并行同步更新的情况,在每个GPU上保存一份模型副本,模型中的每个变量都镜像在所有副本中。这些变量一起形成一个名为MirroredVariable的概念变量。通过进行相同的更新,可保持这些变量彼此同步。
镜像策略用了高效的All-reduce算法来实现设备之间变量的传递更新。默认情况下,它使用NCCL(Nvidia Co
原书定位详情
来源:a19c7933-4eda-4176-aebd-30fe7e1ad292
正文位置:extracted/深入浅出Embedding:原理解析与应用实践 (吴茂贵, 王红星)/_epub-src/OEBPS/Text/Chapter21_0009.xhtml
EPUB SHA-256:0056cad2f11cb1d60ead5054060bd6d41fef87dd049656db310bdc789c0ec7da