知识卡片
数据与任务并行的区别
数据并行将不同数据块发往不同节点,模型并行将模型参数或运算拆在多个设备上。决定是否分布式还需看目标函数的计算能否分解,以及集群能否用局部贡献合成整体更新。大文件可以分布式保存,但有耦合的目标未必能用分别训练的模型直接拼接。
这张卡片看不懂?
这张卡片已通过人工审查,不再接受失败反馈。
已有反馈 · 0 条
还没有人提交反馈。
在整书笔记中的位置
- · 第1章 引言
原书出处 · 1 处
- 引言 1.2 分布式优化算法国内外研究现状 · 查看原书依据
在大规模的场景下,人们往往会接触到上亿规模的样本量或者特征维度,为了加速模型训练,算法的并行性是不可或缺的。通常考虑两种并行性,一种是模型并行性,模型分布在多个设备上进行并行训练;
参考来源
- 位置:《分布式机器学习:交替方向乘子法在机器学习中的应用》第1章《引言》1.2 分布式优化算法国内外研究现状(来源项目 book-source,源文件:extracted/分布式机器学习:交替方向乘子法在机器学习中的应用/_epub-src/OEBPS/Text/chapter1.xhtml)
- 结论依据:1.2 分布式优化算法国内外研究现状中的定义、更新式或实验叙述提供本卡依据。数据并行将不同数据块发往不同节点,模型并行将模型参数或运算拆在多个设备上。
- 原始内容:在大规模的场景下,人们往往会接触到上亿规模的样本量或者特征维度,为了加速模型训练,算法的并行性是不可或缺的。通常考虑两种并行性,一种是模型并行性,模型分布在多个设备上进行并行训练;