PS+: A Simple yet Effective Framework for Fast Training on Parameter Server

计算机科学 简单(哲学) 计算 人工智能 超参数 仿形(计算机编程) 理论计算机科学 算法 程序设计语言 认识论 哲学
作者
A-Long Jin,Wenchao Xu,Song Guo,Bing Hu,Kwan L. Yeung
出处
期刊:IEEE Transactions on Parallel and Distributed Systems [Institute of Electrical and Electronics Engineers]
卷期号:33 (12): 4625-4637
标识
DOI:10.1109/tpds.2022.3200518
摘要

In distributed training, workers collaboratively refine the global model parameters by pushing their updates to the Parameter Server and pulling fresher parameters for the next iteration. This introduces high communication costs for training at scale, and incurs unproductive waiting time for workers. To minimize the waiting time, existing approaches overlap communication and computation for deep neural networks. Yet, these techniques not only require the layer-by-layer model structures, but also need significant efforts in runtime profiling and hyperparameter tuning. To make the overlapping optimization simple and generic , in this article, we propose a new Parameter Server framework. Our solution decouples the dependency between push and pull operations, and allows workers to eagerly pull the global parameters. This way, both push and pull operations can be easily overlapped with computations. Besides, the overlapping manner offers a different way to address the straggler problem, where the stale updates greatly retard the training process. In the new framework, with adequate information available to workers, they can explicitly modulate the learning rates for their updates. Thus, the global parameters can be less compromised by stale updates. We implement a prototype system in PyTorch and demonstrate its effectiveness on both CPU/GPU clusters. Experimental results show that our prototype saves up to 54% less time for each iteration and up to 37% fewer iterations for model convergence, achieving up to 2.86× speedup over widely-used synchronization schemes.
最长约 10秒,即可获得该文献文件

科研通智能强力驱动
Strongly Powered by AbleSci AI
更新
大幅提高文件上传限制,最高150M (2024-4-1)

科研通是完全免费的文献互助平台,具备全网最快的应助速度,最高的求助完成率。 对每一个文献求助,科研通都将尽心尽力,给求助人一个满意的交代。
实时播报
Bella发布了新的文献求助10
刚刚
刚刚
窝窝头完成签到 ,获得积分10
刚刚
aaaaaa完成签到 ,获得积分10
1秒前
稀罕你发布了新的文献求助10
3秒前
4秒前
哈哈完成签到 ,获得积分10
6秒前
无极2023完成签到 ,获得积分10
7秒前
8秒前
laj完成签到,获得积分10
9秒前
在水一方应助小李采纳,获得10
10秒前
10秒前
负数完成签到,获得积分10
10秒前
11秒前
独特的沛凝完成签到,获得积分10
14秒前
无花果应助生动的豪英采纳,获得30
19秒前
一口吃三个月亮完成签到,获得积分10
20秒前
NAOKI应助调皮的蝴蝶采纳,获得10
21秒前
华仔完成签到 ,获得积分10
22秒前
机智的曼易完成签到 ,获得积分10
23秒前
24秒前
阿呆完成签到,获得积分10
24秒前
24秒前
26秒前
jeronimo完成签到,获得积分10
26秒前
aabsd发布了新的文献求助20
28秒前
Niuma发布了新的文献求助10
28秒前
29秒前
lzj001983完成签到,获得积分10
29秒前
佳佳发布了新的文献求助30
31秒前
噜噜晓完成签到 ,获得积分10
34秒前
35秒前
hawaii66完成签到,获得积分10
36秒前
123完成签到,获得积分10
38秒前
积极傥完成签到,获得积分10
39秒前
小秦秦完成签到 ,获得积分10
44秒前
aabsd完成签到,获得积分10
45秒前
46秒前
zhaoxi完成签到 ,获得积分10
47秒前
我爱科研发布了新的文献求助10
48秒前
高分求助中
Evolution 10000
ISSN 2159-8274 EISSN 2159-8290 1000
Becoming: An Introduction to Jung's Concept of Individuation 600
Ore genesis in the Zambian Copperbelt with particular reference to the northern sector of the Chambishi basin 500
A new species of Coccus (Homoptera: Coccoidea) from Malawi 500
A new species of Velataspis (Hemiptera Coccoidea Diaspididae) from tea in Assam 500
PraxisRatgeber: Mantiden: Faszinierende Lauerjäger 500
热门求助领域 (近24小时)
化学 医学 生物 材料科学 工程类 有机化学 生物化学 物理 内科学 纳米技术 计算机科学 化学工程 复合材料 基因 遗传学 催化作用 物理化学 免疫学 量子力学 细胞生物学
热门帖子
关注 科研通微信公众号,转发送积分 3162968
求助须知:如何正确求助?哪些是违规求助? 2813990
关于积分的说明 7902666
捐赠科研通 2473613
什么是DOI,文献DOI怎么找? 1316952
科研通“疑难数据库(出版商)”最低求助积分说明 631546
版权声明 602187