caffe 搭建参数服务器（1）—— 用MPI实现多节点同时训练一个模型

实现的训练过程的效果

因为主要目的是为了节点通讯，所以其他地方没改，下图是四个节点训练过程

1. 目的

使用OpenMPI进行节点间的通讯，搭建参数服务器，实现4节点同时训练一个模型

2. 思路

采用最简单的基于同步的并行数据训练。

首先分布数据，每个节点负责一部分数据，在每个节点上面算出一些局部统计量，然后整合出全局统计量，并且再分配给各个节点去进行下一轮的训练。

所以我们首先要改的是与图片数据分配有关的image_data_layer.cpp文件；

然后改的是与训练迭代有关的solver.cpp文件

3. 修改image_data_layer.cpp

因为是数据并行训练，需要把数据分布给不同的节点，只需要小改load_batch批处理函数

• 每行数据分配给一个进程

  // modified 1, 数据分配，lines_id代表数据文件中某行数据，每行数据分配给一个节点
  int rank, numproc;
  MPI_Comm_rank(MPI_COMM_WORLD, &rank);
  MPI_Comm_size(MPI_COMM_WORLD, &numproc);
  lines_id_ = (lines_id_ + rank) % lines_.size();

• 注意 lines_id_ 递增遍历完整个文件后从头开始遍历

     // modified 2, 每个进程循环跳到数据文件种自己相应的下一个lines_id
     int count = 0;
     while (count++ < numproc) {
       lines_id_++;
       if (lines_id_ >= lines_size) {
         // We have reached the end. Restart from the first.
         DLOG(INFO) << "Restarting data prefetching from start.";
         lines_id_ = 0;
         if (this->layer_param_.image_data_param().shuffle()) {
           ShuffleImages();
         }
       }

4. 修改solver.cpp

主要是Step函数的修改，第一次训练前，把节点0的参数用于初始化所有节点；以后每次训练结束，都要强制同步，整合所有节点的各层参数的梯度。

4.1 增加的辅助函数有SyncParameter，Display

函数	作用
SyncParameter	把节点0的参数广播到所有节点
Display	打印每次迭代每个节点的信息，实际是从Step函数中抽离出来的代码

4.2 修改的函数有Init，Step，SnapshotFilename

函数	改后新增的作用
Init	初始化MPI环境
Step	①训练开始前用节点0的参数权值初始化全部节点 ②每轮迭代结束强制同步整合各节点各层参数的残差和梯度
SnapshotFilename	根据当前迭代数和相应节点序号，生成相应快照文件名用于Snapshot

5. 两个文件代码

涉及改动的只有这两个源文件，不贴代码了
cpp以及hpp文件