总结：Large Scale Distributed Deep Networks

其中的并行思想有两部分：

1. 通过model parallel实现多个machine训练单个模型

2.通过复制 1 中训练的单个模型， 异步训练不同的数据集（data parallel）

详解上面两种思想的实现：

1.model parallel：将整个神经网络的的神经元划分到不同的机器上，只有处于机器边际的节点间才通过通信交换数据。

2.data parallel: 复制上图中构建的model，将数据集分成几小块，分别在这些model中训练。这里讲涉及到model parameters的共享问题。这里只记录了Downpour SGD算法。

如上图：model的参数都存放在parameter server，各个model replicas从parameter server对应的shard中获取参数，并将其计算的gradient推送到parameter server对应的shard。

这个，每个model replicas是相互独立的，而parameter server中的每个shard也是相互独立的。

此算法的“随机性”体现在一下几个方面：

1.因为model replicas是相互独立的，某个model replicas获取的参数可能已经过期（在其获取参数的同时，可能另一个model replicas对这些参数进行了更新）。

2.因为parameter server中的每个shards是相互独立的，每个shard更新的次数和顺序都可能不一样。

3.因为获取参数，推送梯度和处理训练数据集是由不同的线程进行执行的，所以存在时间戳。

此并行算法强调的是“异步”，其好处有：

1.避免了由于机器间性能的差异导致所有机器要等待最慢机器的问题。

2.及时某些machine down了，整个训练依然可以进行。