百度開源高性能深度學(xué)習(xí)算法，可提速31倍

　　美國時間2月22日，百度硅谷人工智能實(shí)驗室(SVAIL)宣布向深度學(xué)習(xí)領(lǐng)域開源了 Ring Allreduce算法庫，以實(shí)現(xiàn)在多個GPU之上更快速地訓(xùn)練神經(jīng)網(wǎng)絡(luò)模型。

　　Ring Allreduce是高性能計算領(lǐng)域的著名算法，但在深度學(xué)習(xí)領(lǐng)域應(yīng)用不足。該技術(shù)可以實(shí)現(xiàn)近乎線性的加速，以及幾十個甚至上百個GPU的擴(kuò)展。比如，運(yùn)用Ring Allreduce算法，百度硅谷人工智能實(shí)驗室將神經(jīng)網(wǎng)絡(luò)的訓(xùn)練擴(kuò)展至40個GPU并且訓(xùn)練速度提高31倍。

　　百度研究員Shubho Sengupta表示：“我們很高興能開源我們的Ring Allreduce算法庫，該庫可應(yīng)用于各大主要的深度學(xué)習(xí)框架，這將使深度學(xué)習(xí)研究人員可以在更多GPU上用更快的速度訓(xùn)練自己的模型。”

　　過去幾年里，神經(jīng)網(wǎng)絡(luò)迅猛發(fā)展，其訓(xùn)練所需的數(shù)據(jù)量和計算資源也越來越大。為了提供所需的計算能力，更多GPU被用在訓(xùn)練之中。

　　在多個GPU之上訓(xùn)練神經(jīng)網(wǎng)絡(luò)通常比較困難，因為比較普遍的做法是向單個GPU發(fā)送數(shù)據(jù)，這樣就形成了通訊瓶頸。而Ring Allreduce算法可以大大減少GPU用于發(fā)送數(shù)據(jù)的時間，用更多的時間進(jìn)行有效運(yùn)算，以此來消除瓶頸。

　　“Ring Allreduce算法讓我們可以在神經(jīng)網(wǎng)絡(luò)的眾多設(shè)備和節(jié)點(diǎn)之間進(jìn)行更加高效的梯度分級，這是一種針對帶寬優(yōu)化的算法，能夠大大減少運(yùn)算時間，從而實(shí)現(xiàn)更多設(shè)備的擴(kuò)展，同時還能保留同步隨機(jī)梯度下降的確定性與可預(yù)測的收斂性質(zhì)。百度研究員Andrew Gibiansky表示。

　　百度Ring Allreduce (https://github.com/baidu-research/baidu-allreduce )C類庫可在Github上下載使用。同時Github上還提供與TensorFLow共同使用時所需的補(bǔ)丁 (https://github.com/baidu-research/tensorflow-allreduce)。