TensorFlow框架支持的机器学习算法探讨

tensorflow 结构

我们为大规模分布式训练与推理设计了tensorflow，但它也是足够灵活地支持实验与新的机器学习模型和系统级的优化。

该文档描述了尽可能灵活与可扩展相结合的系统结构。

总览

tensorflow 运行时是一个交叉平台库，图1 阐明了它的通用结构，一个C API 核心运行时在不同编程语言上分离了用户层代码。

本文聚焦下列层：

• Client
   

1. 定义了作为数据流的计算

• Distributed Master
   

1. 根据session.run（）的参数定义，从图中减枝特定的子图
2. 将子图分割成多个运行在不同处理器和设备的块。
3. 分发图块到工作服务器。
4. 通过工作服务器初始化图执行块。

• Worker Services
   

1. 使用适当的kernel 实现，调度图操作的执行到可用的硬件（CPU, GPU）上。
2. 从别的工作服务器发射与接收操作的结果。

• Kernel Implementations
   

1. 用于独立的图操作的计算平台。

图2 表明了这些组件的交互。"/job:worker/task:0" 与 "/job:ps/task:0" 是工作服务器的任务。"PS" 代表 “parameter server”： 一个对于存储与更新模型参数的任务响应。别的任务达到最优参数的时候，会发射更新到这些参数。任务之间是不需要这种特殊的任务分工，但在分布式训练中很常见。

注意到这种分布式master 和 worker 服务器只存在于分布式 tensorflow, 单处理器版本的tensorflow 包括一个特殊的部分实现–做master的一切工作，但仅与本地处理的设备通信。

以下各节将更详细地描述核心 TensorFlow layers，并逐步完成示例图的处理。

Client

用户写客户端 tensorflow 程序来构建计算图。这个程序既可以直接由独立的操作构成，也可以使用一个方便的库如 Estimators API 来构建神经网络层与别的高层抽象。TensorFlow 支持多个客户端语言，Python. C++, 大多数的训练库依然是Python，但C++ 已经支持高效的推断环节。

Client 创建了一个 session 会话，它发射图的定义到分布式 master 作为一个 tf.GraphDef protocol buffer。当client 评估一个节点或图中的节点，评估器触发一个到分布式master的调用来初始化计算。

图3，client 已经构建好了一个图，由权值W 乘以 特征向量X，再加上偏置项 B，并保持结果到一个变量（S）

Distributed master

Distributed master:

• 减枝图以获得客户端请求的评估节点所需的子图。
• 分割图为每一个参与设备获得图块。
• 缓存这些块以便在后续步骤中重复使用。

因为master看到了一个步骤的整体计算，所以它应用了标准的优化，比如公共子表达式消除和常量折叠。然后，它在一组任务之间协调优化子图的执行。

一种可能的分割。

当图的边被分割成部分，分布式master 插入 send 和 receive 节点在分布式任务之间贯通信息，如图6

分布式master 这时装好图块到分布式任务上。

Worker Service

Worker Service

• 处理来自master的请求
• 为操作调度kernels 的执行来构成一个本都子图
• 调解任务之间的直接通信。

我们为运行低开销的大规模图优化工作服务器。我们的实现可以在一秒内执行成千上万个子图，保证了使大量的副本能够快速，细粒度训练步骤。工作服务器发射kernel到本都设备上，当可能时并行地运行kernels ，比如使用多个CPU核或GPU流。

我们为每一对源与目标设备类型专门写了了 Send 和 Recv 操作：

• 本地 CPU 与 GPU 设备之间使用 cudaMemcpyAsync()API 传输以重叠计算与数据传输。
• 两个本地GPU之间的传输使用对等DMA，以避免通过主机CPU进行昂贵的复制。

(cudamemcpy（）的非阻塞变量，在该变量中，控件将立即返回到主机线程。

为了两个任务之间传输， Tensorflow 使用对倍 protocols， 包括:

• gRPC over TCP
• RDMA over Converged Ethernet
  我们也初步支持针对多个GPU通信的 NVIDIA 的 NCCL 库

Kernel Implementations

运行时包含超过200个的标准操作，包括：数学运算，数组操作，控制流，和状态管理操作。每一个这些操作可以有 kernel 为每一类设备优化实现。这当中许多操作kernels 是用 Eigen::Tensor 实现的，它是使用C++ 模板生成为多核CPU与 GPU 的高效并行代码，我们大方地使用库如 cuDNN，其是一个可能更加高效的kernel 实现。我们也实现了  quantization，其可以在一些环境更快地推断，如移动设备，高吞吐数据中心应用，和使用 gemmlowp，一个低精度的通用矩阵乘法库来加速量化计算。

如果表达一个子计算作为一个操作的组成是很难，低效的，用户可以注册额外的 kernels 来提供一个有效的C++实现，比如，我们推荐注册你们自己的 fused 融合 kernels ，为了一些性能临界操作：ReLU, Sigmoid 激活函数和其他对应的梯度。 XLA Compiler 有一个实验性的自动化 kernel 融合实现。

免责声明：本文系网络转载或改编，未找到原创作者，版权归原作者所有。如涉及版权，请联系删