【机器学习并行计算】2 parameter server参数服务器

使用ps实现异步梯度下降。

14年提出的。

异步 vs 同步

可以看出异步运行效率非常高。

异步梯度下降的流程

ps架构流程

• worker：
  • 首先从参数服务器拉取最新的参数；
  • 然后用自己节点上的数据计算梯度；
  • 最后把梯度推给参数服务器
• 参数服务器：
  • 接收到worker计算的梯度；
  • 更新参数。

如果某个work慢非常多也是会有问题的。

如下，如果worker3很慢，那他的权重其实是最开始的，那么算出来的梯度如果同步到服务器中去，那就好有问题。

重要概念

• 通信:共享内存vs .消息传递。．
• 体系结构:客户机-服务器vs . s点对点。．
• 同步:批量同步vs .异步。．
• 并行:数据并行(更流行)vs . s模型并行，

并行编程模型

MapReduce:消息传递、客户端-服务器和同步。．

参数Server:消息传递、客户机-服务器和异步。．

分散:消息传递，点对点，同步或异步。

并行计算和分布式计算

其实没有明显的技术；