← 返回卡片

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

核验版本的摘录快照 · 导入于 2026-11-19T04:48:36.605Z

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

此预览只包含定位所需的摘录和上下文。

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