近日，卡耐基梅隆大学（CMU）和 Petuum 推出了新一代高效的分布式深度学习通信架构 Poseidon。Poseidon 是一个易于使用，并能放大 DL 程序在 GPU 集群性能的通信架构。已存的 DL 程序不需要更改代码就能通过 Poseidon 在多个机器上自动最优地实现并行化，加速效果和机器数量呈线性增长关系。机器之心简要地介绍了该论文，详细内容请查看原论文。
论文：Poseidon: An Efficient Communication Architecture for Distributed Deep Learning on GPU Clusters
论文链接：https://arxiv.org/abs/1706.03292
深度学习模型在单 GPU 机器上可能需要花费数周的时间进行训练，因此将深度学习分布到 GPU 集群进行训练就显得十分重要了。然而相对于 CPU，拥有更大的吞吐量的 GPU 允许单位时间内处理更多的数据批量（batches），因此目前的分布式 DL 因为大量参数频繁地在网络中进行同步而表现不佳。
我们提出了 Poseidon，它是一个分布式 DL 在 GPU 上可实现高效通信的架构。Poseidon 利用深度程序中的层级模型结构而叠加通信与计算，这样以减少突发性网络通信。此外，Poseidon 使用混合的通信方案，并根据层级属性和机器数量优化每一层同步所要求的字节数。我们表明 Poseidon 能使 Caffe 和 TensorFlow 在 16 个单 GPU 机器上实现 15.5 倍的加速，而且该实验还是在有带宽限制（10GbE）并挑战 VGG19-22K 图像分类网络下完成的。此外，Poseidon 能使 TensorFlow 在 32 个单 GPU 机器上运行 Inception-V3 达到 31.5 倍的加速，相比于开源的 TensorFlow 实现 50% 的性能提升（20 倍加速）。
图1. 六层卷积神经网络
图 2：（a）参数服务器和（b）分布式 ML 的充分因子 broadcasting。
图 3：分布式环境中的（a）传统反向传播和（b）无等待（wait-free）反向传播。
表 2：用于参数同步的 Poseidon API。
图 4：Poseidon 架构的概览。
表 3：神经网络的评估。其中展示了单结点批量大小，这些批量大小是基于文献中的标准报告而选择的（通常最大的批量大小正好是 GPU 的内存大小）。
图 5：使用 Poseidon 平行化的 Caffe 和 40GbE 带宽训练的 GoogLeNet、VGG19 和 VGG19-22K，及它们训练时的吞吐量变化。单节点 Caffe 设置为基线（即加速=1）。
图 6：使用 Poseidon 平行化的 Caffe 和 40GbE 带宽训练的 Inception-V3、VGG19 和 VGG19-22K，及它们训练时的吞吐量变化。单节点 TensorFlow 设置为基线（即加速=1）。
图 7：在 8 个节点上使用不同系统训练三种网络的 GPU 计算分解和延迟时间。
图 8：使用 Poseidon 平行化的 Caffe 和不同网络带宽训练的 GoogLeNet、VGG19 和 VGG19-22K，及它们训练时的吞吐量变化。单节点 Caffe 设置为基线（即加速=1）。
图 9：（a）加速 vs. 节点数量和（b）使用 Poseidon TensorFlow 与原始 TensorFlow 训练 ResNet-152 的最佳测试误差 vs. epochs。 
本文为机器之心编译，转载请联系本公众号获得授权。
✄------------------------------------------------
加入机器之心（全职记者/实习生）：[email protected]
投稿或寻求报道：[email protected]
广告&商务合作：[email protected]
点击阅读原文，查看机器之心官网↓↓↓
