ML平台_Paddle参考

PaddlePaddle源自于 2013 年百度深度学习实验室创建的 “Paddle”。当时的深度学习框架大多只支持单 GPU 运算，对于百度这样需要对大规模数据进行处理的机构，这显然远远不够，极大拖慢了研究速度。百度急需一种能够支持多 GPU、多台机器并行计算的深度学习平台。而这就导致了 Paddle 的诞生。自 2013 年以来，Paddle 一直被百度内部的研发工程师们所使用。2016 年 9 月 1 日的百度世界大会上，百度首席科学家吴恩达宣布，该公司开发的异构分布式深度学习系统 PaddlePaddle 将对外开放。这标志着国内第一个机器学习开源平台的诞生。Paddle（Parallel Distributed Deep Learning 并行分布式深度学习），9 月发布时，吴恩达认为 “PaddlePaddle” （英语意为划船——“让我们荡起双~昂~桨，小船儿推开波浪。。。”）其实更郎朗上口、更好记，于是就有了这么个可爱的名字。

PaddlePaddle特点：

• 支持多种深度学习模型 DNN（深度神经网络）、CNN（卷积神经网络）、 RNN（递归神经网络），以及 NTM（Neural Turing Machines 神经网络图灵机） 这样的复杂记忆模型。

• 基于 Spark，与它的整合程度很高。

• 支持 Python 和 C++ 语言。支持分布式计算。作为它的设计初衷，这使得 PaddlePaddle 能在多 GPU，多台机器上进行并行计算。

相比现有深度学习框架，PaddlePaddle 优势：

• 易用性：相比偏底层的谷歌 TensorFlow，PaddlePaddle 的特点非常明显：它能让开发者聚焦于构建深度学习模型的高层部分。用 PaddlePaddle 编写的机器翻译程序只需要“其他”深度学习工具四分之一的代码。这显然考虑到该领域广大的初入门新手，为他们降低开发机器学习模型的门槛。这带来的直接好处是，开发者使用 PaddlePaddle 更容易上手。
• 更快的速度：自诞生之日起，它就专注于充分利用 GPU 集群的性能，为分布式环境的并行计算进行加速。这使得用大规模数据进行 AI 训练和推理可能要比 TensorFlow 这样的平台要快很多
• 可扩展性：PaddlePaddle很容易使用多个CPU/GPU和机器来加快你的训练，通过优化通信实现高吞吐量、高性能
• 连接产品：PaddlePaddle易于部署。在百度，PaddlePaddle已经被部署到广大用户使用的产品或服务，包括广告点击率（CTR）的预测，大型图像分类，光学字符识别（OCR），搜索排名，计算机病毒检测，推荐等。

总结起来，业内对 PaddlePaddle 的总体评价是“设计干净、简洁，稳定，速度较快，显存占用较小”。

初始PaddlePaddle

---

  做一个形象的比喻，Paddle就好比一台3D打印机，我们设计的神经网络就好比需要打印的模型，而我们的数据集就相当于原材料，把两者同时提供给这台打印机，经过一段时间就可以得到我们预期的产品--模型(Trained Model). 简言之，paddle 做的工作就是利用我们设计的模型和我们提供的数据 通过高性能的并行技术(CPU/GPU)来完成训练。

在使用 Paddle 做深度学习时最基本的工作就是设计一个完美的模型并准备好数据。也就是要有以下几个文件:

• trainer_config.py : 配置神经网络模型
• data_provider.py : 数据提供
• train.sh : 配置paddle训练的参数

关于PaddlePaddle整体架构

---

PaddlePaddle 是2013年启动时比较流行的架构是 Pserver 和 Trainer 的架构。PaddlePaddle 的整体架构，主要从这几个方面入手：

• 多机并行架构、
• 多 GPU 并行架构、
• Sequence 序列模型
• 大规模稀疏训练

多机并行架构：首先是数据，数据分配到不同节点，就是简单的数据并行。如下图：灰色方框是一个机器，PServer和Trainer分布在两个独立的进程里，中间划线的部分是网络通信连接，可以看到PServer之间是没有连接的

多机并行架构流程：多机并行架构的大致流程如下图，就是Trainer首先计算梯度，Pserver接收上传的梯度，然后通过一个优化方法去学习参数的优化，然后Trainer在下一个mini-batch上直接从Parmeterserver上下载一个参数过来，这个算法就是一个简单的SGD（Stochastic Gradient Descent-随机梯度下降）

PServer划分：如下图左边是一个神经网络，它会把神经网络每一层参数分割开，具体怎么分割，这也是一个比较有技巧的地方。左边表示两层神经网络中间的连接，每个连接上是有一个参数的。我们要做的就是把中间这些连接参数均匀的分配到不同的PServer上。如果假设我们有四个PServer，那么参数分的话，Paddle的实现是这么做的，就是在左边靠数据那边是做切割的。红色一组蓝色一组，红黄蓝绿四组，如果是四个PServer的话就是每一组放一个PServer，如果划分为三个，最小粒度是左侧彩色的粒度。第一组是红色第二组是蓝色第三是黄色和绿色，这么做其实就可以实现一个稀疏训练的神经网络。

稀疏模型训练： 首先输入数据是稀疏的，如下图：左侧（输入）到右侧（输出），左侧是稀疏的话就是左侧有一些是实心的，剩下全是虚的。所以对稀疏来讲灰色神经元就是输出是0，简单来讲就是梯度是0，通过简单的SGD可以推出权重是不更新的。所以图中只有蓝色的是有价值的，需要计算的梯度是蓝色部分。所以按右侧划分PServer参数的时候，右侧划分三组这个功能不能实现，所以一般来说是从左侧划分成一些Parmeter block给PServer。稀疏训练的话，PaddlePaddle的实现分两个部分。第一个部分就是做预取，预取就是读一遍训练数据标记好哪些神经元是有用的，哪些是稀疏的，然后从服务器上查询最新的参数。第二部分就是经典的神经网络方式，就是前馈和反向传播，先计算梯度，然后逐层返回梯度给服务器。这两个部分实现的时候是并行的，就是异步的。

除了上面所提到的，还有两外两种情况下的稀疏模型：

• 大规模稀疏模型（多机器）——每个 Trainer Prefetch 出自身需要的参数和服务器通信。
• 大规模稀疏模型（正则化）——简单的 SGD 确实在梯度为0的时候，不去更新参数，但是加上正则化就不一定了；比如L2正则化，就要求参数的2范数持续减小。

大规模稀疏模型（多机器）：前面是单机的模型，多机的大规模稀疏模型就是每一个Trainer找自身需要的参数给服务器，所以参数不存在单点上，这个集群里有整体所有的参数。这样设计还有一个特点，我们可以训练出来一个模型，这个模型占的内存比每个节点大。比如在百度我们用的机器内存有200G，但是训练得到的网络占据的空间大于200G。所以我们把参数所有的操作都放在PServer上，Trainer没有任何参数，每次都是从server上直接获取。

大规模稀疏模型（正则化）：正则化是大规模稀疏模型的另一个问题。简单的SGD在梯度是0的时候，是不需要更新参数，但是如果加上正则化就不一样，比如L2正则化的时候，就要求参数的L2范数持续减小。稀疏模型正则化，第一点是从PServer上查参数，第二点Trainer去计算梯度然后发送给PServer，第三点是做参数优化，这个优化是不包括正则化的优化。我们在查询参数之前去做正则化，用这个参数的时候正则化再开始做。正则化是每一轮都要做，要持续的让这个参数越来越好。因为是一个稀疏模型，不一定每一次都会访问这个参数，所以我们就会记录下来访问的次数，然后最后一次访问的时候把之前没有做的正则化补齐，这个就是大规模稀疏模型正则化的做法，如下图：

以上是2013年的趋势，目前有一个流行趋势就是不需要PServer这个架构，而是完全P2P的更新。P2P的更新一般是用一个环形网络，这个框架主要针对语言或者图像任务。

多GPU架构：PaddlePaddle的单机多GPU通信是环形通信，这比别的计算框架要快的一点，比如caffe的算法快一倍到两倍。单机多GPU的时候是环形通信，那为什么是环形呢？因为GPU是一个SPMD（(Single Program/Multiple Data)）的设备，一次会处理很多数据，但是处理很多数据和处理很少的数据对于GPU来讲是一样，GPU一般训练时都是稠密的数据。但是单机多GPU一般也不会做异步SGD，这与多GPU通信和网络多节点通信不一样，不需要把参数聚合到CPU，而是用一个逻辑的对外参数即可。

多GPU架构，如上图，左侧是对外参数，是可以被PaddlePaddle其他的程序访问，然后这一个对外参数分成三个参数块，把三个参数块分别放到三个不同的主卡上

多GPU架构的参数分发采用的是从主设备分发给下一个设备，再由下一个设备分发给下下个设备，依次往最远端分发的方式

而梯度聚合就是沿着分发的反方向，将计算得到的梯度聚合到每个参数的主卡上。这样做的好处就是只利用显卡之间的P2P通信，没有经过CPU和内存。

序列模型是指训练数据是一个序列（sequence），具有一定的顺序（order）的概念。就是序列模型的特征是a vector of features而不是a set of features，比较常见的序列模型任务就是自然语言处理或者说音视频的处理。

PaddlePaddle中对于序列模型的处理也和其他的神经网络框架不一样。具体实现是这样的，在其他层来看，sequence都是一整条输入，但是对于某些特定的层，PaddlePaddle会将输入序列打散成不同的时间步，然后在这个层内部对每个时间步进行处理，当然这个处理都是自定义的。这个时间部处理完了以后我们再用一个GatherLayer将拆解的时间步重新组合成一个sequence再输出出来，就是一个打散再聚合的过程。
       每个时间步之间是有通信的，比如做语音识别前一秒的语音和后一秒的语音有一定关系，这种通信Paddle是采用一种叫Memory的机制，就是在特殊的RNN的层里，定义一种Memory，上一个时间步的神经网络，可以将需要记住的东西放到Memory中，下一个时间步可以引用这个Memory，这样就实现了Memory的共享。Paddle是支持任意复杂的RNN结构，你知道的任何的RNN结构都是支持的，当然也可以自己搭配不同的结构。

Sepuence序列模型最难的一点在于batch计算，为什么要做batch计算呢？因为矩阵维度要足够大，才能充分发挥GPU的能力，才能加速运算 (SPMD)。但是Sepuence序列模型有一个问题就是输入是参差不齐的。那么怎么对这种输入进行计算？

不同的网络框架的做法不一样，Tensorflow和MXNet会做Padding，将三个Sepuence全部Pading一样长，不够的后面补0，然后再依次计算。当然Padding非常有技巧，比如把Sepuence和相近长度的Padding起来，使补0补得最少。但是本质上这种实现还是一个需要多计算的方法。

而PaddlePaddle的实现是做一个排序，不是物理排序，而是一个逻辑排序。逻辑上排序成右侧的形式我们依次去计算。但是计算到一定程度以后，空间可能会变少。这是PaddlePaddle的实现，这个优点就是没有Padding不会增加计算量，但是缺点就是排序需要时间。这两个实现并不能说谁比谁，因为是这个问题终究没有非常好的解决，目前还在探索这个问题。

一些思考

---

目前主流的神经网络框架可以分为两种，如下：

• 基于 OP——从矩阵乘法配起，一步一步对应一个一个数学运算。
• 基于层——直接写一个全连接层，LSTM 层。
• 基于 OP 的优势 Tensorflow——更灵活，更可以让研究人员构造新的东西
• 基于 Layer 的优势 Caffe——更易用，让细节暴露的更少；更容易优化。

那么PaddlePaddle是基于OP还是基于layer？PaddlePaddle是一个混合的系统，首先PaddlePaddle支持大部分Layer，但是也支持从OP开始配网络(比如矩阵乘法，加法，激活等等)。对于一些成型的layer，比如LSTM，我们使用C++对其进行重新优化。我们刚开始做的时候LSTM还没有一个专门的Layer，是从OP开始配，但是配完以后发现LSTM使用的非常广泛，所以就将其作为一个Layer重新在C++实现一遍。
    所以在PaddlePaddle中我们把这些常用的OP的组合再优化成一个Layer，这样做的好处就是可以兼顾灵活性，但是最重要的还是性能。这样做的好处就是PaddlePaddle的LSTM是业界最快的，而且是从原理上就比其他框架快。
    还有一个实现思考的话就是，PaddlePaddle的多机通信到底是基于MPI 还是 Spark 还是 k8s + Docker？首先PaddlePaddle的任务比较简单，因为我们不是一个网站，或者说要求很高的东西，如果运行几周挂一次还是可以接受的。比如说每个小时存一个数据点，再恢复的话并不是耗费非常大的事情。所以PaddlePaddle的网络任务需求相对简单，我们可以自己做，并不依赖于任何网络框架。
    第二点就是PaddlePaddle的网络是需要高性能的网络，从头手写网络库更方便性能调优，并且RDMA可以更好的支持。同理，PaddlePaddle底层不依赖任何GPU通信框架。当然，我们未来会提供一些配置脚本，比如说在多机上更容易实现的配置脚本。

通用集群示意图

---

   下图是一个通用集群的简单示意图，这个集群里有很多GPU的服务器，也有很多CPU的服务器，他们都部署在一个集群里。在这个集群的机器之上运行着Kubernetes。Kubernetes是一个谷歌开源的分布式的操作系统。在2007年的时候，谷歌就使用集群操作系统Borg，通过混合部署各种来源的各种任务，将CPU的利用率一直维持在75%到80%左右。而Kubernetes开发之前是Borg开发团队中的一部分，Kubernetes的设计继承了Borg项目多年总结的经验，是目前最先进集群操作系统。

百度深度学习平台

---

百度深度学习平台是一个面向海量数据的深度学习平台，基于PaddlePaddle和TensorFlow开源计算框架，支持GPU运算，为深度学习技术的研发和应用提供可靠性高、扩展灵活的云端托管服务。通过百度深度学习平台，不仅可以轻松训练神经网络，实现情感分析、机器翻译、图像识别，也可以利用百度云的存储和虚拟化产品直接将模型部署至应用环境。

参考资料：

---

• https://news.cnblogs.com/n/560638/
• http://www.tmtpost.com/2584884.html
• http://www.jianshu.com/p/699692fdd446
• https://sdk.cn/news/5551
• http://www.sohu.com/a/123254498_470008
• http://www.36dsj.com/archives/98977