参数服务器(parameter server)
作用:用来管理和共享模型参数,将模型参数存储在一个或多个中央服务器上,并通过网络将这些参数共享给参与训练的各个计算节点
PS架构中有两个角色:parameter server和worker
parameter server将被视为master节点,保存模型的权重和反向计算的梯度值,并使用优化器通过 Worker 上传的梯度值对模型进行更新。
worker充当计算节点负责模型训练,执行网络的正反向计算,反向计算的梯度值通过 Push 接口上传至 Server 中,通过 Pull 接口把 Server 更新好的模型下载到 Worker 本地。
整个系统的工作流程分为4个阶段:
- Pull Weights: 所有worker从参数服务器获取权重参数
- Push Gradients: 每一个worker使用本地的训练数据训练本地模型,生成本地梯度,之后将梯度上传参数服务器
- Aggregate Gradients:收集到所有计算节点发送的梯度后,对梯度进行求和
- Model Update:计算出累加梯度,参数服务器使用这个累加梯度来更新位于集中服务器上的模型参数
将模型划分为N个参数服务器,每个参数服务器负责更新1/N的模型参数。实际上是将模型参数分片(sharded model)并存储在多个参数服务器上,可以缓解参数服务器一侧的网络瓶颈问题,使得参数服务器之间的通信负载减少,提高整体的通信效率。
注意:
- 数据分配:每个worker分配到的数据通常是不相同的,这是为了确保数据的多样性和模型的泛化能力。
- 参数分配:在参数服务器架构中,所有的worker共享同一套模型参数,这些参数存储在参数服务器上,worker通过网络获取和更新这些参数。