1、同步更新

在同步更新的時(shí)候， 每次梯度更新，要等所有分發(fā)出去的數(shù)據(jù)計(jì)算完成后，返回回來結(jié)果之后，把梯度累加算了均值之后，再更新參數(shù)。這樣的好處是loss的下降比較穩(wěn)定， 但是這個(gè)的壞處也很明顯， 處理的速度取決于最慢的那個(gè)分片計(jì)算的時(shí)間。

2、異步更新

在異步更新的時(shí)候， 所有的計(jì)算節(jié)點(diǎn)，各自算自己的， 更新參數(shù)也是自己更新自己計(jì)算的結(jié)果， 這樣的優(yōu)點(diǎn)就是計(jì)算速度快，計(jì)算資源能得到充分利用，但是缺點(diǎn)是loss的下降不穩(wěn)定，抖動(dòng)大。

3、如何選擇

在數(shù)據(jù)量小的情況下，各個(gè)節(jié)點(diǎn)的計(jì)算能力比較均衡的情況下，推薦使用同步模式。數(shù)據(jù)量很大，各個(gè)機(jī)器的計(jì)算性能摻差不齊的情況下，推薦使用異步的方式。

總結(jié)

以上是生活随笔為你收集整理的tensorflow分布式训练之同步更新和异步更新的全部內(nèi)容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網(wǎng)站內(nèi)容還不錯(cuò)，歡迎將生活随笔推薦給好友。