课堂学习笔记
tensorflow性能优化
- 运算操作调度
- 当有多个高阶运算操作同时存在时,tf会自动识别这些重复计算,同时改写计算图,只执行一次重复的计算,然后把这些高阶运算的后续计算全部连接到这些共有的计算上,避免冗余计算。
- 安排运算的顺序改善数据传输与内存占用的问题。错开某些大头数据的运算。
- 安排节点的执行时间,如果节点过早的接收数据,那么数据会过早的堆积在设备内存中,所以tf设计了接受策略,在刚好需要数据时才会接收数据。
- 异步计算支持
- 第三方计算库
- 三种并行计算模式
- 数据并行计算模式
- 同步并行,优点:没有梯度干扰,缺点:容错性差
- 异步并行,优点:容错性好,缺点:由于梯度干扰,每一组的梯度利用效率下降
- 模型并行模式
- 流水线并行模式
- 数据并行计算模式