一种基于梯度稀疏的分布式深度学习方法.pdfVIP

下载本文档

1
0
约8.03千字
约 8页
2023-06-15 发布于四川
举报
版权申诉

一种基于梯度稀疏的分布式深度学习方法.pdf

1、本文档内容版权归属内容提供方，所产生的收益全部归内容提供方所有。如果您对本文有版权争议，可选择认领，认领后既往收益都归您。。
2、本文档由用户上传，本站不保证质量和数量令人满意，可能有诸多瑕疵，付费之前，请仔细先通过免费阅读内容等途径辨别内容交易风险。如存在严重挂羊头卖狗肉之情形，可联系本站下载客服投诉处理。
3、文档侵权举报电话：400-050-0827(电话支持时间：9:00-18:30)。
4、该文档为VIP文档，如果想要下载，成为VIP会员后，下载免费。
5、成为VIP后，下载本文档将扣除1次下载权益。下载后，不支持退款、换文档。如有疑问请联系我们。
6、成为VIP后，您将拥有八大权益，权益包括：VIP文档下载权益、阅读免打扰、文档格式转换、高级专利检索、专属身份标志、高级客服、多端互通、版权登记。
7、VIP文档为合作方或网友上传，每下载1次，网站将根据用户上传文档的质量评分、类型等，对文档贡献者给予高额补贴、流量扶持。如果你也想贡献VIP文档。上传文档

本发明公开了一种基于梯度稀疏的分布式深度学习方法，该方法包括：初始化本地模型参数，将本地模型参数在计算节点之间同步并初始化残差张量；计算节点将训练数据读取进内存并作为深度神经网络模型的输入；基于反向传播获取梯度并将残差张量累加至梯度上，得到新梯度；基于分块梯度稀疏方法对新梯度进行稀疏，并进行梯度通信；进行后续层梯度计数，得到全局梯度；基于全局梯度对本地模型参数进行更新；迭代直至满足预设的迭代终止条件。本发明方法大大减少了分布式深度学习的通信开销并提高训练效率。本发明作为一种基于梯度稀疏的分布式深

(19)中华人民共和国国家知识产权局 (12)发明专利申请 (10)申请公布号 CN 113159287 A (43)申请公布日 2021.07.23 (21)申请号 202110409337.8 (22)申请日 2021.04.16 (71)申请人中山大学地址 51