ASC论文之 ------分布式Tensorflow

最新推荐文章于 2023-07-19 16:12:57 发布

mishidemudong

最新推荐文章于 2023-07-19 16:12:57 发布

阅读量946

点赞数

分类专栏： tensorflow分布式部署

tensorflow分布式部署专栏收录该内容

58 篇文章 0 订阅

订阅专栏

最近在实现A3C论文【1】算法的过程中，发现目前目前网上还没有太多资料讲解如何进行梯度累积，对于tensorflow分布式计算的异步更新也没有实验论证。因此将自己做的一点研究整理出来，还请各路大神指正。

一、问题描述

在Asynchronous methods中，使用了target network以避免网络变化太快。每个learner在一个训练epoch开始时会拷贝target network的权值，训练一段时间后将梯度累积并用之更新target network，之后结束这个epoch。以下是n-step Q-learning的更新方式：

因此，在实现中，首先需要让各个learner能够获得target network的权值，然后要实现learner内部的梯度累积，最后要将这个梯度返回target network。

二、梯度计算、累积与更新

将梯度在target network和learner间传递的功能在distributed tensorflow中默认已经实现好了。Between-graph的方式中，每个thread会拷贝一份Graph，计算后回传回主Graph。需要解决的主要是梯度累积的问题。

基本的思路是：

repeat：
     计算梯度
     存储梯度
until 一定次数
将累积的梯度回传至target network

具体要用到的是optimizer类的compute_gradients(）和apply_gradients(）两种方法。以下分步讲解

1. 定义操作

# Define input and output
with tf.name_scope('input'):
    x = tf.placeholder(tf.float32, name="x")
with tf.name_scope('weights'):
    w = tf.Variable(2.0, name='target_w')
with tf.name_scope('output'):
    y = tf.mul(x, w, name='y')
with tf.name_scope('real_output'):
    y_ = tf.placeholder(tf.float32, name="y_")

# Define train op
with tf.name_scope('train'):
   optimizer = tf.train.GradientDescentOptimizer(LEARNING_RATE)
with tf.name_scope('gradient'):
    loss = tf.reduce_mean(tf.square(y_ - y))  # MSE loss
    gradient_all = optimizer.compute_gradients(loss)  # gradient of network (with NoneType)
    grads_vars = [v for (g, v) in gradient_all if g is not None]  # all variable that has gradients
    gradient = optimizer.compute_gradients(loss, grads_vars)  # gradient of network (without NoneType)
    grads_holder = [(tf.placeholder(tf.float32, shape=g.get_shape()), v)
                     for (g, v) in gradient]
    train_op = optimizer.apply_gradients(grads_holder)

y_是真实值，y是网络的输出，loss是mse损失。optimizer是一个梯度下降优化器。gradient_all是optmizer计算的梯度，返回的是一个列表，其中的元素是型为 $(\frac{\partial L}{\partial v} ,v)$ 的tuple。注意，如果网络不是单输入单输出（例如ac网络中有两个输出），那么compute_gradients可能会返回（None，v），即部分变量没有对应的梯度，在下一步的时候NoneType会导致错误。因此，需要将有梯度的变量提取出来，记为grads_vars。之后，对grads_vars再一次计算梯度，得到了gradient。最后, 生成一个placeholder用于存储梯度，并调用apply_gradients更新网络。

注意，此处定义的 $w$ 会出现问题，在第三节实验部分会提出一个解决办法。

2. 应用操作

# calculate gradients every  
grads = []
for i in range(THREAD_STEPS):
    x_i = ...
    y_real = ...
    y_i = sess.run(y, feed_dict={x: x_i})
    loss_i = sess.run(loss, feed_dict={x: x_i, y_: y_real})
    grad_i = sess.run(gradient, feed_dict={x: x_i, y_: y_real})
    grads.append(grad_i)

# calculate total gradients
grads_sum = {}
# add up dθ
for i in range(len(grads_holder)):
    k = grads_holder[i][0]
    grads_sum[k] = sum([g[i][0] for g in grads])

# Apply gradients
_ = sess.run(train_op, feed_dict=grads_sum)

操作分为三步：

第一步，输入x_i，y_计算梯度，并使用一个列表grads保存梯度；

第二步，使用一个字典对梯度进行累积。字典的格式为 $\{placeholder_{v_1}:\frac{\partial L}{\partial v_1}, placeholder_{v_2}:\frac{\partial L}{\partial v_2} \dots placeholder_{v_n}:\frac{\partial L}{\partial v_n}\}$ 。由于grads的每一个元素都是与grads_holder格式相同的梯度列表，grads_holder[i][0]对应的梯度值列表就是[g[i][0] for g in grads]。

第三步，将前一步生成的字典feed给apply_gradients，Mission complete。

三、实验设置与结果

简单验证了下以上方法的正确性。使用两个worker进行between-graph的异步训练，输入 $x$ 为[0,1,2]，网络输出为 $w \cdot x$ ，输出真实值 $\bar{y}$ 定为10，损失为MSE。 $w$ 的初始值为2。优化器为梯度下降法，学习率为1。梯度计算公式为

$\frac{\partial L}{\partial w} = &\frac{\partial (\bar{y} - wx )^2}{\partial w} \\ = &2(\bar{y} - w) \cdot -x \\= &2wx - 2\bar{y}x \\= &2y - 2x\bar{y} \\= &2y - 20x$

我们设置了两个worker，各进行2 epoch*3 steps的训练。输出如下：

task0 - epoch0: x_i:  0. y_i:  0.0. loss:  100.0. grad:  [(-0.0, 2.0)] task0 - epoch0: x_i:  1. y_i:  2.0. loss:  81.0. grad:  [(-18.0, 2.0)] task0 - epoch0: x_i:  2. y_i:  4.0. loss:  64.0. grad:  [(-32.0, 2.0)] task1 - epoch0: x_i:  0. y_i:  0.0. loss:  100.0. grad:  [(-0.0, 2.0)] Final States of w in task0 - epoch0:  52.0
task0 - epoch1: x_i:  0. y_i:  0.0. loss:  100.0. grad:  [(-0.0, 52.0)] task1 - epoch0: x_i:  1. y_i:  52.0. loss:  1681.0. grad:  [(82.0, 52.0)] 
...

首先，worker:0输入x:0，网络返回y:0，梯度计算为0，第二步输入x:1，y:2，梯度为-18，依次类推。在worker:0进行到1st epoch的第三步时，worker:1启动，注意此时w仍未2，网络没有发生改变，worker输入x:0后网络返回y:0 。

随后worker:0更新了梯度，梯度累积为 $0 - 18 - 32 = -50$ , 新的权值更新为 $w = w - \alpha \cdot (-50) = 52$ 。梯度累积的功能成功实现。

但是，我们对于graph间变量传递的机制理解有误，此时worker:1仍在第一个epoch，权值却也被更新为52（实际应保持该epoch开始时的2），本应为-18的梯度变成了82。

解决的办法是将thread和target network的权值分开。重新定义权值为：

with tf.name_scope('weights'):
    target_w = tf.Variable(2.0, name='target_w')
    w_list = [tf.Variable(2.0, name='target_w') for i in range(WORKER_NUM)]
    w = w_list[FLAGS.task_index]

这样，我们创建了一个长度为thread数量的列表，用于存储各个进程的权值，w_list[task_index]是每个进程实际使用的权值，target_w是target network的权值。之后，定义权值更新的动作：

epoch_init = w.assign(target_w)
w_addup = tf.placeholder(tf.float32)
epoch_update = target_w.assign_add(w_addup)

在每次epoch开始前我们使用tf.assign(ref,value)将target_w的权值赋予w，epoch结束后将训练后权值与初始权值的差值增加给target_w。实验结果如下：

task0 - epoch0:   x_i:  0. y_i:  0.0. loss:  100.0. grad:  [(-0.0, 2.0)] 
task0 - epoch0:   x_i:  1. y_i:  2.0. loss:  81.0. grad:  [(-18.0, 2.0)] 
task1 - epoch0:   x_i:  0. y_i:  0.0. loss:  100.0. grad:  [(-0.0, 2.0)] 
task0 - epoch0:   x_i:  2. y_i:  4.0. loss:  64.0. grad:  [(-32.0, 2.0)] 
task1 - epoch0:   x_i:  1. y_i:  2.0. loss:  81.0. grad:  [(-18.0, 2.0)] 
Final States of w in task0 - epoch0:  52.0
task0 - epoch1:   x_i:  0. y_i:  0.0. loss:  100.0. grad:  [(-0.0, 52.0)] 
task1 - epoch0:   x_i:  2. y_i:  4.0. loss:  64.0. grad:  [(-32.0, 2.0)] 
...

可以看到，worker:0已经完成了一次更新，梯度累积为-50，在epoch1中，初试的权值已经变为52。而worker:1的权值还是保持为2.

...
task0 - epoch1:   x_i:  1. y_i:  52.0. loss:  1681.0. grad:  [(82.0, 52.0)]
Final States of w in task1 - epoch0:  52.0
task0 - epoch1:   x_i:  2. y_i:  104.0. loss:  8464.0. grad:  [(368.0, 52.0)]
Final States of w in task0 - epoch1:  -398.0
Final target_w:  -348.0
done
task1 - epoch1:   x_i:  0. y_i:  0.0. loss:  100.0. grad:  [(-0.0, 102.0)]
task1 - epoch1:   x_i:  1. y_i:  102.0. loss:  8281.0. grad:  [(182.0, 102.0)]
task1 - epoch1:   x_i:  2. y_i:  204.0. loss:  36864.0. grad:  [(768.0, 102.0)] 
Final States of w in task1 - epoch1:  -848.0
Final target_w:  -1298.0
done

由task1-epoch1的初始权值可以看出，worker:1新的权值为 $52-(-50)=102$ , 。task0-epoch1累积了 $82+368=450$ 的梯度，worker:0最终输出的target_w为102-450=-348。worker:1在epoch1累积了182+768=950的梯度，最终输出target_w为-348-950=-1298.计算与输出一致。

至此，我们完成了梯度累积的异步更新的全过程。完整的Gist：allenwoods/async_grad_verify.py

引用：

[1] V. Mnih et al., “Asynchronous methods for deep reinforcement learning,” arXiv preprint arXiv:1602.01783, 2016.
[2] Tensorflow Python API : processing-gradients-before-applying-them

Tips：

1. 多进程使用GPU会导致OUT_OF_MEMORY_ERROR，这是由于tf默认会给任一进程分配所有能分配的显存，这样除了第一个进程其他进程都无显存可用。解决办法有两个，一是在运行命令前添加 CUDA_VISIBLE_DEVICES=9999（或任一大于你的显卡数的数字）禁用显卡，推荐对ps进程使用。二是在server配置里添加gpu_options=tf.GPUOptions(allow_growth=True)（或gpu_fraction）使得tf不会一次将显存分配完而是随着使用量逐渐增加，具体在以上提供的gist中有例子。

2. 运行命令为

python  async_grad_test.py --ps_hosts=0.0.0.0:53198 --worker_hosts=0.0.0.0:58557,0.0.0.0:42832 --job_name=ps --task_index=0
python async_grad_test.py --ps_hosts=0.0.0.0:53198 --worker_hosts=0.0.0.0:58557,0.0.0.0:42832 --job_name=worker --task_index=0
python async_grad_test.py --ps_hosts=0.0.0.0:53198 --worker_hosts=0.0.0.0:58557,0.0.0.0:42832 --job_name=worker --task_index=1

3. ps进程通过Ctrl+c的方式无法关闭，需要通过kill的方式杀掉。批量关闭所有训练进程可使用以下命令：

ps -ef | grep /opt/anaconda3/bin/python| grep async_grad | awk {'print $2'} | xargs kill

/opt/anaconda3/bin/python 是Python解释器，async_grad是运行py文件的关键字，根据你的具体情况进行修改。

4. 运行Gist前需要先删除checkpoint中之前的记录，否则tf会认为任务已经完成从而不进行任何操作。

mishidemudong

关注

0
点赞
踩
0

收藏

觉得还不错? 一键收藏
0
评论
ASC论文之 ------分布式Tensorflow

最近在实现A3C论文【1】算法的过程中，发现目前目前网上还没有太多资料讲解如何进行梯度累积，对于tensorflow分布式计算的异步更新也没有实验论证。因此将自己做的一点研究整理出来，还请各路大神指正。一、问题描述在Asynchronous methods中，使用了target network以避免网络变化太快。每个learner在一个训练epoch开始时会拷贝target net
复制链接

扫一扫