参数服务器(Parameter Server):大规模分布式训练架构。
All-Reduce算法:分布式训练中的梯度同步协议(如Ring All-Reduce)。
分布式系统是把计算与数据拆分到多个节点、协同完成单个节点无法承载的规模级任务的系统架构,其核心构成包括参数服务器架构、All-Reduce梯度同步与CPU/GPU/TPU异构计算,解决的是单节点算力与内存不足的问题,并不解决节点通信开销与部分节点故障带来的训练中断问题。
分布式系统是把计算与数据拆分到多个节点、协同完成单个节点无法承载的规模级任务的系统架构,其核心构成包括参数服务器架构、All-Reduce梯度同步与CPU/GPU/TPU异构计算,解决的是单节点算力与内存不足的问题,并不解决节点通信开销与部分节点故障带来的训练中断问题。