← 返回卡片

原书出处

大数据日知录_架构与算法

15 机器学习:范型与架构

2014年9月第1版 · 核验版本的摘录快照 · 导入于 2026-10-24T04:14:12.162Z

1.同步范型 对于迭代式计算任务,根据并发进程或线程之间是否需要进行数据同步,可以将其划分为同步范型和异步范型。同步范型如图15-2所示,在严格同步范型中,并发程序每一轮迭代都需要在相互之间进行数据同步,图中分割开不同的程序在各个迭代阶段的竖线即为同步点。 图15-2 同步范型 如果单机版的机器学习任务可以保证其正确性和收敛性,那么同步范型也可以做到这一点,但是为此付出的代价是:每个并发程序在各个迭代阶段执行的进度不统一,如果每轮迭代都需要进行同步,必然形成快等慢的局面,造成计算资源的浪费,而且这种方式的网络通信量较多,这也会整体拖慢任务的执行进度。

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/大数据日知录_架构与算法/_epub-src/OEBPS/text00020.html

EPUB SHA-256:e45b74c4bdd8959aef24f2a5183280eb73ec5f173108f8679a4bbf44bbd5b34d