论文:https://arxiv.org/pdf/1712.01887.pdf
译文:深度梯度压缩:减小分布式训练的通信带宽
摘要
大规模分布式训练需要通信带宽用于梯度交换,这在节点较多时,限制了训练的可扩展性,而且网络带宽比较贵。如果是在移动设备上进行分布式训练(如联合学习),情况会变得更加糟糕,高延迟,低吞吐还断断续续的网络连接。本文,我们发现分布式SGD中99.9%的梯度交换都是多余的,然后提出深度梯度压缩(DGC),极大地减少了通信带宽。为了保留压缩过程中的精度,DGC采用了四种方法:
1、动量纠正(momentum correction)
2、本地梯度裁剪(local gradient clipping)
3、动量因子掩蔽(momentum factor maski