更多深度学习在NLP方面应用的经典论文、实践经验和最新消息，欢迎关注微信公众号“深度学习与NLP” 或扫描头像二维码添加关注。
进行深度学习模型训练的时候，一般使用GPU来进行加速，当训练样本只有百万级别的时候，单卡GPU通常就能满足我们的需求，但是当训练样本量达到上千万，上亿级别之后，单卡训练耗时很长，这个时候通常需要采用多机多卡加速。深度学习多卡训练常见有两种方式，一种是数据并行化（data parallelism），另外一种是模型并行化（model parallelism）。
数据并行化：每个GPU上面跑一个模型，模型与模型之间结构参数相同，只是训练的数据不一样，每个模型通过最后的loss计算得到梯度之后，再把梯度传到一个parameter server（PS）上进行参数平均average gradient，然后再根据average gradient更新模型的参数。
数据并行化分为梯度的更新分为同步和异步两种模式。
同步模式：等到所有的数据分片都完成了梯度计算并把梯度传到PS之后统一的更新每个模型的参数。优点是训练稳定，训练出来的模型得到精度比较高；缺点是训练的时间取决于分片中最慢的那个片，所以同步模式适用于GPU之间性能差异不大情况下。
模型并行化：当一个模型非常复杂，非常大，达到单机的内存根本没法容纳的时候，模型并行化就是一个好的选择。直观说就多多个GPU训练，每个GPU分别持有模型的一个片。它的优点很明显，大模型训练，缺点就是模型分片之间的通信和数据传输很耗时，所以不能简单说，模型并行就一定比数据并行要快。
还有数据并行和模型并行的混合模型：
数据并行适用于数据量比较小时快速训练模型，模型并行适用于大数据、大模型场景下。这里只是简单介绍，想要深入了解细节可以找其他资料学习一下。下面主要基于tensorflow讲一个数据并行化的实例。
单机多卡训练：给个例子，比如一台机器上装有4个GPU卡，以cpu做为PS（master），主要保存一下参数和变量，进行梯度平均。其余4个GPU训练模型（worker），进行一些计算量比加大的操作。
本地对数据切分为一个一个batch；
把数据分别放到送到4个GPU进行模型训练，每个GPU拿到数据不一样；
四个GPU训练，求loss得到梯度，并把梯度送回到CPU进行模型平均。
cpu接收4个gpu传来的梯度，进行梯度平均。
四个GPU跟新参数
重复2~5知道模型收敛。
分布式的多久多卡：当是在一个多台机器的集群上训练的时候采用这种方式，在tensorflow中需要明确指定ps和worker的地址，这种方式兼容单机多卡，只是把ps和worker的地址设为local就可以了。
下面简要介绍下tensorflow中支持多卡训练和参数更新的几个API，具体介绍可以参考这篇文章（Distributedtensorflow实现原理）
进行重复性训练有In-graph replication和Between-graphreplication两种方式，In-graph replication就是数据并行化模式，Between-graphreplication就是数据并行化模式。梯度更新有异步Asynchronous training和同步Synchronous training两种模式。
官网也给了一个cifar10_multi_gpu_train.py 的例子，在单机多卡上运行，这里我给一个自己做的单机多卡训练的简单例子供参考，自己在搭建这个结构过程中也栽了很多坑，还在继续探索中，仅有训练部分。
程序主要分为五个部分：
函数：定义主要运行逻辑；
函数：定义主要训练逻辑；
函数：产生训练需要的batch样本；
函数：定义多个tower，每个tower对应一个gpu；
函数：梯度平均计算。
一下是完整代码：
#critital class define
#getaverage gradient
defaverage_gradients(tower_grads):
average_grads = []
for grad_and_vars in zip(*tower_grads):
grads = []
for g, _ in grad_and_vars:
expanded_g = tf.expand_dims(g, 0)
grads.append(expanded_g)
grad = tf.concat(axis=0, values=grads)
grad = tf.reduce_mean(grad, 0)
v = grad_and_vars[0][1]
grad_and_var = (grad, v)
average_grads.append(grad_and_var)
return average_grads
#setupmultiple gpu tower
defmulti_gpu_model(num_gpus=4, word_embeddings = None):
grads = []
global_step = tf.Variable(0,name="global_step", trainable=False)
optimizer = tf.train.AdamOptimizer(1e-3)
withtf.variable_scope(tf.get_variable_scope()) as initScope:
for i in range(num_gpus):
withtf.device("/gpu:%d"%i):
withtf.name_scope("tower_%d"%i):
siameseModel = SiameseLSTM(
sequence_length=FLAGS.max_document_length,
embedding_size=FLAGS.embedding_dim,
hidden_units=FLAGS.hidden_units,
l2_reg_lambda=FLAGS.l2_reg_lambda,
batch_size=FLAGS.batch_size,
word_embeddings=word_embeddings)
tf.get_variable_scope().reuse_variables()
tf.add_to_collection("train_model", siameseModel)
grad_and_var =optimizer.compute_gradients(siameseModel.loss)
grads.append(grad_and_var)
tf.add_to_collection("loss",siameseModel.loss)
tf.add_to_collection("accuracy",siameseModel.accuracy)
tf.add_to_collection("distance",siameseModel.distance)
with tf.device("cpu:0"):
averaged_gradients =average_gradients(grads)
train_op =optimizer.apply_gradients(averaged_gradients, global_step=global_step)
return train_op,global_step
#generating training data
defgenerate_feed_dic(sess, batch_generator,feed_dict,train_op):
SMS =tf.get_collection("train_model")
for siameseModel in SMS:
x1_batch, x2_batch, y_batch =batch_generator.next()
if random()>0.5:
feed_dict[siameseModel.input_x1] =x1_batch
feed_dict[siameseModel.input_x2] =x2_batch
feed_dict[siameseModel.input_y] =y_batch
feed_dict[siameseModel.dropout_keep_prob]= FLAGS.dropout_keep_prob
else:
feed_dict[siameseModel.input_x1] =x2_batch
feed_dict[siameseModel.input_x2] =x1_batch
feed_dict[siameseModel.input_y] =y_batch
feed_dict[siameseModel.dropout_keep_prob]= FLAGS.dropout_keep_prob
return feed_dict
#define main trainingprocess
def run_epoch(sess,train_x1_idsList,train_x2_idsList,train_y,scope,global_step,train_op=None,is_training=False):
if is_training:
epoches = len(train_x1_idsList) //FLAGS.batch_size
batch_generator =datatool.data_iterator(train_x1_idsList, train_x2_idsList,train_y,FLAGS.batch_size,FLAGS.max_document_length)
# siameseModels =tf.get_collection("train_model")
while epoches > 0:
feed_dict = {}
epoches -= 1
feed_dict =generate_feed_dic(sess,batch_generator,feed_dict,train_op)
i = FLAGS.num_iteration
while i > 0:
i = i - 1
losses =tf.get_collection("loss")
accuracy =tf.get_collection("accuracy")
distance =tf.get_collection("distance")
total_accuracy =tf.add_n(losses, name='total_accu')
total_distance = tf.add_n(losses,name='total_distance')
total_loss = tf.add_n(losses,name='total_loss')
avg_losses = total_loss / 4
avg_accu = total_accuracy / 4
avg_dist = total_distance / 4
time_str =datetime.datetime.now().isoformat()
_,step,avg_losses,avg_accu,avg_dist =sess.run([train_op,global_step,total_loss,avg_accu,avg_dist],feed_dict)
输出训练精度
print("TRAIN {}: step {},avg_loss {:g}, avg_dist {:g}, avg_acc {:g}".format(time_str, step,avg_losses, avg_dist, avg_accu))
#whole training process
defmain(argv=None):
print("\nParameters:")
for attr, value insorted(FLAGS.__flags.items()):
print("{}={}".format(attr.upper(),value))
print("")
加载词向量
word2id, word_embeddings =datatool.load_word2vec("your dir for word2vec")
print("load train data")
(train_x1_idsList,train_x2_idsList,train_y),(valid_x1_idsList, valid_x2_lList,valid_y) =datatool.get_data_for_siamese(word2id, FLAGS.data_path)
print("starting graph def")
gpu_options =tf.GPUOptions(per_process_gpu_memory_fraction=0.8)
withtf.Graph().as_default():#,tf.device('/cpu:0')
session_conf = tf.ConfigProto(
allow_soft_placement=FLAGS.allow_soft_placement,
log_device_placement=FLAGS.log_device_placement,
gpu_options=gpu_options)
sess = tf.Session(config=session_conf)
print("started session")
print ("build multiplemodel")
with tf.name_scope("train")as train_scope:
print("define multiple gpumodel and init the training operation")
train_op,global_step =multi_gpu_model(FLAGS.num_gpus,word_embeddings)
print ("init allvariable")
sess.run(tf.global_variables_initializer())
print ("run epochestage")
run_epoch(sess,train_x1_idsList,train_x2_idsList,train_y,train_scope,global_step,train_op,True)
# Checkpoint directory. Tensorflowassumes this directory already exists so we need to create it
timestamp = str(int(time.time()))
checkpoint_dir =os.path.abspath(os.path.join(out_dir, "checkpoints"))
checkpoint_prefix =os.path.join(checkpoint_dir, "model")
if not os.path.exists(checkpoint_dir):
os.makedirs(checkpoint_dir)
out_dir =os.path.abspath(os.path.join(os.path.curdir, "runs", timestamp))
print("Writing to {}\n".format(out_dir))
saver =tf.train.Saver(tf.global_variables(), max_to_keep=100)注意：我用的是已经训练好的词向量，这里只需要加载进来就可以了。
