原创力文档- 1、本文档共69页，其中可免费阅读21页，需付费100金币后方可阅读剩余内容。
- 2、本文档内容版权归属内容提供方，所产生的收益全部归内容提供方所有。如果您对本文有版权争议，可选择认领，认领后既往收益都归您。
- 3、本文档由用户上传，本站不保证质量和数量令人满意，可能有诸多瑕疵，付费之前，请仔细先通过免费阅读内容等途径辨别内容交易风险。如存在严重挂羊头卖狗肉之情形，可联系本站下载客服投诉处理。
- 4、文档侵权举报电话：400-050-0827(电话支持时间：9:00-18:30)。
查看更多
摘要
摘要
随着互联网技术的不断发展，数据量呈现指数级增长的状态。大数据促进了
数据并行的分布式模型训练，如何降低大规模分布式模型训练的巨大通信开销
是当前研究的热点。目前，一些工作尝试通过梯度压缩和模型修剪来降低通信成
本。自从出现具有网内计算能力的可编程交换机(如IntelTofino交换机)之后，
一种被称为网内聚合的方法成功降低了参数聚合阶段的通信成本，缓解了集群
的带宽瓶颈。然而参数更新阶段在分布式模型训练中同样重要，而现有
文档评论（0）