本文是读完 Jeffrey Dean, Greg S. Corrado 等人的文章 Large Scale Distributed Deep Networks (2012) 后的一则读书笔记，重点介绍在 Google 的软件框架 DistBelief 下设计的一种用来训练大规模深度神经网络的随机梯度下降法 — Downpour SGD。该方法通过分布式地部署多个模型副本和一个“參数server”，同一时候实现了模型并行和数据并行。且对机器失效问题具有非常好的容错性。结合 Adagrad 自适应学习率使用，对非凸优化问题有非常好的效果。




















作者: peghoty


出处: http://blog.csdn.net/itplus/article/details/31831661


欢迎转载/分享, 但请务必声明文章出处.


												


											
DistBelief 框架下的并行随机梯度下降法 - Downpour SGD的更多相关文章
	

    
								
  1. 一种利用 Cumulative Penalty 训练 L1 正则 Log-linear 模型的随机梯度下降法
		
    Log-Linear 模型(也叫做最大熵模型)是 NLP 领域中使用最为广泛的模型之一,其训练常采用最大似然准则,且为防止过拟合,往往在目标函数中加入(可以产生稀疏性的) L1 正则.但对于这种带 L ...
    
		
    2. 
						
  2. Gradient Descent 和 Stochastic Gradient Descent（随机梯度下降法）
		
    Gradient Descent(Batch Gradient)也就是梯度下降法是一种常用的的寻找局域最小值的方法.其主要思想就是计算当前位置的梯度,取梯度反方向并结合合适步长使其向最小值移动.通过柯 ...
    
		
    3. 
						
  3. 1. 批量梯度下降法BGD 2. 随机梯度下降法SGD 3. 小批量梯度下降法MBGD
		
    排版也是醉了见原文:http://www.cnblogs.com/maybe2030/p/5089753.html 在应用机器学习算法时,我们通常采用梯度下降法来对采用的算法进行训练.其实,常用的梯度 ...
    
		
    4. 
						
  4. 随机梯度下降法（Stochastic gradient descent, SGD）
		
    BGD(Batch gradient descent)批量梯度下降法:每次迭代使用所有的样本(样本量小)    Mold 一直在更新 SGD(Stochastic gradientdescent)随机 ...
    
		
    5. 
						
  5. Stochastic Gradient Descent 随机梯度下降法-R实现
		
    随机梯度下降法  [转载时请注明来源]:http://www.cnblogs.com/runner-ljt/ Ljt 作为一个初学者,水平有限,欢迎交流指正. 批量梯度下降法在权值更新前对所有样本汇总 ...
    
		
    6. 
						
  6. 谷歌机器学习速成课程---降低损失 (Reducing Loss)：随机梯度下降法
		
    在梯度下降法中,批量指的是用于在单次迭代中计算梯度的样本总数.到目前为止,我们一直假定批量是指整个数据集.就 Google 的规模而言,数据集通常包含数十亿甚至数千亿个样本.此外,Google 数据集 ...
    
		
    7. 
						
  7. 线性回归（最小二乘法、批量梯度下降法、随机梯度下降法、局部加权线性回归） C++
		
    We turn next to the task of finding a weight vector w which minimizes the chosen function E(w). Beca ...
    
		
    8. 
						
  8. 机器学习---用python实现最小二乘线性回归算法并用随机梯度下降法求解 （Machine Learning Least Squares Linear Regression Application SGD）
		
    在<机器学习---线性回归(Machine Learning Linear Regression)>一文中,我们主要介绍了最小二乘线性回归算法以及简单地介绍了梯度下降法.现在,让我们来实践 ...
    
		
    9. 
						
  9. optim.SDG 或者其他、实现随机梯度下降法
		
    optim.SDG 或者其他.实现随机梯度下降法 待办 实现随机梯度下降算法的参数优化方式 另外还有class torch.optim.ASGD(params, lr=0.01, lambd=0.00 ...
    
		
    10. 
		

	


随机推荐
	

    
									
  1. BZOJ 1001 平面图与对偶图的转化 最短路Or最大流
			
    思路: 1.按照题意求最小割 转换成最大流用Dinic解 2. 转换成对偶图 求最短路 Dinic: //By SiriusRen #include <queue> #include &l ...
    
			
    2. 
						
  2. 如何启动和关闭MySQL?（四）
			
    分为: 图形化 命令行 方法一:在“计算机”的图标上右键,然后选择“管理”,双击“服务和应用程序”,然后选择“服务”,找到“MySQL”这个服务,然后点击“右键”,就可以进行“停止”和“重新启动”的操 ...
    
			
    3. 
						
  3. css常用的阴影
			
    一.box-shadow: 0 2px 15px 0 rgba(0,0,0,.15)!important 二. box-shadow: 0 2px 6px 0 rgba(0,0,0,.4); 三. . ...
    
			
    4. 
						
  4. Python常用目录操作（Python2）
			
    Python获取当前路径   Python查看指定路径下的文件和文件夹 Python修改当前工作目录(在读取文件等时需要) Python添加import路径(有时候为了import自己写的py文件,且 ...
    
			
    5. 
						
  5. Git 内部原理 - (5)引用规格 (6) 传输协议
			
    引用规格 纵观全书,我们已经使用过一些诸如远程分支到本地引用的简单映射方式,但这种映射可以更复杂. 假设你添加了这样一个远程版本库: $ git remote add origin https://g ...
    
			
    6. 
						
  6. 学习Go语言之使用channel避免竞态问题
			
    // 使用channel避免竞态问题 package main import ( "fmt" "sync" ) var ( i int wg sync.Wait ...
    
			
    7. 
						
  7. 7-07. PAT排名汇总（25） （结构体 ZJU_PAT）
			
    题目链接:http://www.patest.cn/contests/ds/7-07 编程能力測试(Programming Ability Test,简称PAT)是浙江大学计算机科学与技术学院主办的专 ...
    
			
    8. 
						
  8. 81.node.js前端html时页面格式错乱解决办法
			
    var http = require("http"); var url = require("url"); var fs = require("fs& ...
    
			
    9. 
						
  9. centos7 双网卡设置（先NAT和后桥接）
			
    摘要:VMware中搭建一台虚拟机192.168.161.5(NAT转发) 首先在VM虚拟机设置里面添加一块网卡适配器 设置为桥接模式 完成后等待自动配置 此时出现多了一个ens37 和本地网段一样的 ...
    
			
    10. 
						
  10. 公司采购 流程flowable例子
			
    Name: Flowable BPMN 2.0 designer Location: http://flowable.org/designer/update/ 业务描述:1. 公司采购,因为办公用品价 ...
    
			
    11.