在大型数据集上进行训练的现代神经网络架构，可以跨广泛的多种领域获取可观的结果，涵盖从图像识别、自然语言处理到欺诈检测和推荐系统等各个方面，但训练这些神经网络模型需要大量浮点计算能力。虽然，近年来 GPU 硬件算力和训练方法上均取得了重大进步，但在单一机器上，网络训练所需要的时间仍然长得不切实际，因此需要借助分布式 GPU 环境来提升神经网络训练系统的浮点计算能力。

TensorFlow 分布式训练

TensorFlow 采用了数据流范式， 使用节点和边的有向图来表示计算。TensorFlow 需要用户静态声明这种符号计算图，并对该图使用复写和分区rewrite & partitioning，将其分配到机器上进行分布式执行。

TensorFlow 中的分布式机器学习训练使用了如图所示的参数服务器方法 。

Cluster、Job、Task

关于 TensorFlow 的分布式训练，主要概念包括 Cluster、Job、Task，其关联关系如下：

• TensorFlow 分布式 Cluster 由多个 Task 组成，每个 Task 对应一个 train.Server 实例，作为 Cluster 的一个单独节点；
• 多个相同作用的 Task 可以被划分为一个 Job，在分布式深度学习框架中，我们一般把 Job 划分为 Parameter Server （PS）和 Worker，Parameter Server Job 管理参数的存储和更新工作，而 Worker Job 运行 OPs，作为计算节点只执行计算密集型的 Graph 计算；
• Cluster 中的 Task 会相对进行通信，以便进行状态同步、参数更新等操作，如果参数的数量过大，一台机器处理不了，这就要需要多个 Task。

In-graph 模式，将模型计算图的不同部分放在不同的机器上执行。把计算从单机多 GPU 扩展到了多机多 GPU， 不过数据分发还是在一个节点。这样配置简单， 多机多 GPU 的计算节点只需进行 join 操作， 对外提供一个网络接口来接受任务。训练数据的分发依然在一个节点上， 把训练数据分发到不同的机器上， 将会影响并发训练速度。在大数据训练的情况下， 不推荐使用这种模式。

Between-graph 模式

Between-graph 模式下，数据并行，每台机器使用完全相同的计算图。训练的参数保存在参数服务器，数据不用分发，而是分布在各个计算节点自行计算， 把要更新的参数通知参数服务器进行更新。这种模式不需要再练数据的分发， 数据量在 TB 级时可以节省大量时间，目前主流的分布式训练模式以 Between-graph 为主。

参数更新方式

同步更新

各个用于并行计算的节点，计算完各自的 batch 后，求取梯度值，把梯度值统一送到 PS 参数服务机器中，并等待 PS 更新模型参数。PS 参数服务器在收集到一定数量计算节点的梯度后，求取梯度平均值，更新PS参数服务器上的参数，同时将参数推送到各个 worker 节点。

异步更新

PS 参数服务器只要收到一台机器的梯度值，就直接进行参数更新，无需等待其它机器。这种迭代方法比较不稳定，因为当 A 机器计算完更新了 PS 参数服务器中的参数，可能 B 机器还是在用上一次迭代的旧版参数值。

分布式训练步骤

1. 命令行参数解析，获取集群的信息 ps_hosts 和 worker_hosts，以及当前节点的角色信息 job_name 和 task_index
2. 创建当前 Task 结点的 Server
   
   1. cluster = tf.train.ClusterSpec({"ps": ps_hosts, "worker": worker_hosts})
   2. server = tf.train.Server(cluster, job_name=FLAGS.job_name, task_index=FLAGS.task_index)
3. 如果当前节点是Parameter Server，则调用join()无休止等待；如果是Worker，则执行下一步
   
   1. if FLAGS.job_name == "ps":
   2. server.join()
4. 构建要训练的模型
   
   1. # build tensorflow graph model
5. 创建 train.Supervisor 来管理模型的训练过程
   
   1. # Create a "supervisor", which oversees the training process.
   2. sv = tf.train.Supervisor(is_chief=(FLAGS.task_index == 0), logdir="/tmp/train_logs")
   3. # The supervisor takes care of session initialization and restoring from a checkpoint.
   4. sess = sv.prepare_or_wait_for_session(server.target)
   5. # Loop until the supervisor shuts down
   6. while not sv.should_stop()
   7. # train model

UAI-Train 分布式训练部署

UCloud AI 训练服务（UCloud AI Train）是面向 AI 训练任务的大规模分布式计算平台，基于高性能 GPU 计算节点提供一站式托管 AI 训练任务服务。用户在提交 AI 训练任务后，无需担心计算节点调度、训练环境准备、数据上传下载以及容灾等问题。

目前，UAI-Train 平台支持 TensorFlow 和 MXNet 框架的分布式训练。需要将 PS 代码和 Worker 代码实现在同一个代码入口中，执行过程中，PS 和 Worker 将使用相同的 Docker 容器镜像和相同的 Python 代码入口进行执行，系统将自动生成 PS 和 Worker 的 env 环境参数。TensorFlow 分布式训练采用 PS-Worker 的分布式格式，并提供 Python 的接口运行分布式训练。

UAI-Train 分布式训练采用 Parameter Server 和 Worker 混合部署的方法，所有计算节点均由 GPU 物理云主机组成。PS 仅使用 CPU 进行计算，Worker 则同时使用 GPU 和 CPU 进行计算，PS 和 Worker 的比例为 1:1。

数据存储

分布式训练所使用的输入数据可以来自不同的数据源，目前 UAI-Train 仅支持 UFS 作为数据的存储。

Input 数据存储

指定一个 UFS 网盘作为 Input 数据源，UAI-Train 平台在训练执行过程中会将对应的 UFS 数据映射到训练执行的 Worker 容器的 /data/data 目录下，系统会自动将数据映射到执行的容器中，如 ip:/xxx/data/imagenet/tf → /data/data/。

Output 数据存储

指定一个 UFS 网盘作为 output 数据源，UAI-Train 平台在训练执行过程中会将对应的 UFS 数据映射到训练执行的每一个 PS 容器和 Worker 容器的 /data/output 目录下，并以共享的方式访问同一份数据。同时，在训练过程，可以通过其它云主机实时访问训练保存的模型 checkpoint。

案例分析：通过 CIFAR-10 进行图像识别

CIFAR-10 是机器学习中常见的图像识别数据集，该数据集共有 60000 张彩色图像。这些图像分为 10 个类，每类 6000 张图，有 50000 张用于训练，另外 10000 用于测试。

http://groups.csail.mit.edu/vision/TinyImages/

调整训练代码

为了在 UAI 平台上进行训练，首先下载源代码，并对 cifar10_main.py 做如下修改：

1. 添加相关参数：--data_dir、 --output_dir、 --work_dir、 --log_dir、 --num_gpu，UAI-Train 平台将会自动生成这些参数；
2. 在代码中增加 UAI 参数：使用 data_dir 配置输入文件夹、使用 output_dir 配置输出文件夹。

具体案例代码可以在 https://github.com/ucloud/uai-sdk/tree/master/examples/tensorflow/train/cifar 获取。

在 UAI-Train 平台执行训练

1. 根据 https://github.com/tensorflow/models/tree/master/tutorials/image/cifar10_estimator 的说明生成 CIFAR-10 的 tfrecords；
2. 使用 UAI-SDK 提供的 Python 生成 CIFAR-10 样例的 Docker 镜像；
3. 确保 Docker 镜像已经上传至 UHub，在 UAI-Train 平台上执行。

1. /data/cifar10_main.py --train-batch-size=16

在 UAI 平台上的分布式训练

CIFAR-10 样例代码使用 tf.estimator.Estimator API，只需一个分布式环境和分布式环境配置，便可直接进行分布式训练，该配置需要适用于 tf.estimator.Estimator API 的标准，即定义一个 TF_CONFIG 配置。

1. TF_CONFIG = {
2. "cluster":{
3. "master":["ip0:2222"],
4. "ps":["ip0:2223","ip1:2223"],
5. "worker":["ip1:2222"]},
6. "task":{"type":"worker","index":0},
7. "environment":"cloud"
8. }

UAI-Train 平台的分布式训练功能可以自动生成 TensorFlow 分布式训练的 GPU 集群环境，同时为每个训练节点自动生成TF_CONFIG。因此，在 UAI-Train 平台上执行 CIFAR-10 的分布式训练和单机训练一样，仅需要指定 input/output 的 UFS 地址并执行如下指令即可：

1. /data/cifar10_main.py --train-batch-size=16

总结

UAI-Train TensorFlow 的分布式训练环境实现基于 TensorFlow 的分布式训练系统实现，采用默认的 gRPC 协议进行数据交换。PS 和 Worker 采用混合部署的方式部署，PS 使用纯 CPU 计算，Worker 使用 GPU+CPU 计算。

在 UAI-Train 平台中可以非常方便的开展分布式计算，提高效率、压缩训练时间。最后通过 CIFAR-10 案例解析在 UAI-Train 平台上进行训练所需作出的修改，并在 UAI-Train 平台上进行分布式训练。

原文发布时间为：2018-05-24

本文来自云栖社区合作伙伴“Linux中国开源社区”，了解相关信息可以关注“Linux中国开源社区”。