nnet3的并行化训练
num_epochs=1
num_archives=64
args.num_jobs_initial=3
args.num_jobs_final=8
num_iters=2*num_epochs*num_archives/(args.num_jobs_initial+args.num_jobs_final)
=2*1*64/(3+8)=12
3,3,4,4,5,5,6,6,6,7,7,8
64 archives
6*24=144
iteration 0, 3 GPUs
# 并行化训练
nnet3-train ... 0.mdl 1.1.raw
nnet3-train ... 0.mdl 1.2.raw
nnet3-train ... 0.mdl 1.3.raw
# 模型平均
nnet3-average exp/nnet3/rsi/1.1.raw exp/nnet3/rsi/1.2.raw exp/nnet3/rsi/1.3.raw - | nnet3-am-copy --set-raw-nnet=- exp/nnet3/rsi/0.mdl exp/nnet3/rsi/1.mdl
# 计算交叉验证的似然
nnet3-compute-prob ... 0.mdl train_diagnostic.egs
nnet3-compute-prob ... 0.mdl valid_diagnostic.egs
iteration 1, 3 GPUs
nnet3-train ... 1.mdl 2.1.raw
nnet3-train ... 1.mdl 2.2.raw
nnet3-train ... 1.mdl 2.3.raw
nnet3-average exp/nnet3/rsi/2.1.raw exp/nnet3/rsi/2.2.raw exp/nnet3/rsi/2.3.raw - | nnet3-am-copy --set-raw-nnet=- exp/nnet3/rsi/1.mdl exp/nnet3/rsi/2.mdl
nnet3-compute-prob ... 1.mdl train_diagnostic.egs
nnet3-compute-prob ... 1.mdl valid_diagnostic.egs
iteration 2, 4 GPUs
nnet3-train ... 2.mdl 3.1.raw
nnet3-train ... 2.mdl 3.2.raw
nnet3-train ... 2.mdl 3.3.raw
nnet3-train ... 2.mdl 3.4.raw
nnet3-average exp/nnet3/rsi/3.1.raw exp/nnet3/rsi/3.2.raw exp/nnet3/rsi/3.3.raw exp/nnet3/rsi/3.4.raw - | nnet3-am-copy --set-raw-nnet=- exp/nnet3/rsi/2.mdl exp/nnet3/rsi/3.mdl
nnet3-compute-prob ... 2.mdl train_diagnostic.egs
nnet3-compute-prob ... 2.mdl valid_diagnostic.egs
iteration 3, 4 GPUs
nnet3-train ... 3.mdl 4.1.raw
nnet3-train ... 3.mdl 4.2.raw
nnet3-train ... 3.mdl 4.3.raw
nnet3-train ... 3.mdl 4.4.raw
nnet3-average exp/nnet3/rsi/4.1.raw exp/nnet3/rsi/4.2.raw exp/nnet3/rsi/4.3.raw exp/nnet3/rsi/4.4.raw - | nnet3-am-copy --set-raw-nnet=- exp/nnet3/rsi/3.mdl exp/nnet3/rsi/4.mdl
nnet3-compute-prob ... 3.mdl train_diagnostic.egs
nnet3-compute-prob ... 3.mdl valid_diagnostic.egs
iteration 4, 5 GPUs
nnet3-train ... 4.mdl 5.1.raw
nnet3-train ... 4.mdl 5.2.raw
nnet3-train ... 4.mdl 5.3.raw
nnet3-train ... 4.mdl 5.4.raw
nnet3-train ... 4.mdl 5.5.raw
nnet3-average exp/nnet3/rsi/5.1.raw exp/nnet3/rsi/5.2.raw exp/nnet3/rsi/5.3.raw exp/nnet3/rsi/5.4.raw exp/nnet3/rsi/5.5.raw - | nnet3-am-copy --set-raw-nnet=- exp/nnet3/rsi/4.mdl exp/nnet3/rsi/5.mdl
nnet3-compute-prob ... 4.mdl train_diagnostic.egs
nnet3-compute-prob ... 4.mdl valid_diagnostic.egs
iteration 5, 5 GPUs
nnet3-train ... 5.mdl 6.1.raw
nnet3-train ... 5.mdl 6.2.raw
nnet3-train ... 5.mdl 6.3.raw
nnet3-train ... 5.mdl 6.4.raw
nnet3-train ... 5.mdl 6.5.raw
nnet3-average exp/nnet3/rsi/6.1.raw exp/nnet3/rsi/6.2.raw exp/nnet3/rsi/6.3.raw exp/nnet3/rsi/6.4.raw exp/nnet3/rsi/6.5.raw - | nnet3-am-copy --set-raw-nnet=- exp/nnet3/rsi/5.mdl exp/nnet3/rsi/6.mdl
nnet3-compute-prob ... 5.mdl train_diagnostic.egs
nnet3-compute-prob ... 5.mdl valid_diagnostic.egs
iteration 6, 6 GPUs
nnet3-train ... 6.mdl 7.1.raw
nnet3-train ... 6.mdl 7.2.raw
nnet3-train ... 6.mdl 7.3.raw
nnet3-train ... 6.mdl 7.4.raw
nnet3-train ... 6.mdl 7.5.raw
nnet3-train ... 6.mdl 7.6.raw
nnet3-average exp/nnet3/rsi/7.1.raw exp/nnet3/rsi/7.2.raw exp/nnet3/rsi/7.3.raw exp/nnet3/rsi/7.4.raw exp/nnet3/rsi/7.5.raw exp/nnet3/rsi/7.6.raw - | nnet3-am-copy --set-raw-nnet=- exp/nnet3/rsi/6.mdl exp/nnet3/rsi/7.mdl
nnet3-compute-prob ... 6.mdl train_diagnostic.egs
nnet3-compute-prob ... 6.mdl valid_diagnostic.egs
iteration 7, 6 GPUs
nnet3-train ... 7.mdl 8.1.raw
nnet3-train ... 7.mdl 8.2.raw
nnet3-train ... 7.mdl 8.3.raw
nnet3-train ... 7.mdl 8.4.raw
nnet3-train ... 7.mdl 8.5.raw
nnet3-train ... 7.mdl 8.6.raw
nnet3-average exp/nnet3/rsi/8.1.raw exp/nnet3/rsi/8.2.raw exp/nnet3/rsi/8.3.raw exp/nnet3/rsi/8.4.raw exp/nnet3/rsi/8.5.raw exp/nnet3/rsi/8.6.raw - | nnet3-am-copy --set-raw-nnet=- exp/nnet3/rsi/7.mdl exp/nnet3/rsi/8.mdl
nnet3-compute-prob ... 7.mdl train_diagnostic.egs
nnet3-compute-prob ... 7.mdl valid_diagnostic.egs
iteration 8, 6 GPUs
nnet3-train ... 8.mdl 9.1.raw
nnet3-train ... 8.mdl 9.2.raw
nnet3-train ... 8.mdl 9.3.raw
nnet3-train ... 8.mdl 9.4.raw
nnet3-train ... 8.mdl 9.5.raw
nnet3-train ... 8.mdl 9.6.raw
nnet3-average exp/nnet3/rsi/9.1.raw exp/nnet3/rsi/9.2.raw exp/nnet3/rsi/9.3.raw exp/nnet3/rsi/9.4.raw exp/nnet3/rsi/9.5.raw exp/nnet3/rsi/9.6.raw - | nnet3-am-copy --set-raw-nnet=- exp/nnet3/rsi/8.mdl exp/nnet3/rsi/9.mdl
nnet3-compute-prob ... 8.mdl train_diagnostic.egs
nnet3-compute-prob ... 8.mdl valid_diagnostic.egs
iteration 9, 7 GPUs
nnet3-train ... 9.mdl 10.1.raw
nnet3-train ... 9.mdl 10.2.raw
nnet3-train ... 9.mdl 10.3.raw
nnet3-train ... 9.mdl 10.4.raw
nnet3-train ... 9.mdl 10.5.raw
nnet3-train ... 9.mdl 10.6.raw
nnet3-train ... 9.mdl 10.7.raw
nnet3-average exp/nnet3/rsi/10.1.raw exp/nnet3/rsi/10.2.raw exp/nnet3/rsi/10.3.raw exp/nnet3/rsi/10.4.raw exp/nnet3/rsi/10.5.raw exp/nnet3/rsi/10.6.raw exp/nnet3/rsi/10.7.raw - | nnet3-am-copy --set-raw-nnet=- exp/nnet3/rsi/9.mdl exp/nnet3/rsi/10.mdl
nnet3-compute-prob ... 9.mdl train_diagnostic.egs
nnet3-compute-prob ... 9.mdl valid_diagnostic.egs
iteration 10, 7 GPUs
nnet3-train ... 10.mdl 11.1.raw
nnet3-train ... 10.mdl 11.2.raw
nnet3-train ... 10.mdl 11.3.raw
nnet3-train ... 10.mdl 11.4.raw
nnet3-train ... 10.mdl 11.5.raw
nnet3-train ... 10.mdl 11.6.raw
nnet3-train ... 10.mdl 11.7.raw
nnet3-train ... 10.mdl 11.8.raw
nnet3-average exp/nnet3/rsi/11.1.raw exp/nnet3/rsi/11.2.raw exp/nnet3/rsi/11.3.raw exp/nnet3/rsi/11.4.raw exp/nnet3/rsi/11.5.raw exp/nnet3/rsi/11.6.raw exp/nnet3/rsi/11.7.raw exp/nnet3/rsi/11.8.raw - | nnet3-am-copy --set-raw-nnet=- exp/nnet3/rsi/10.mdl exp/nnet3/rsi/11.mdl
nnet3-compute-prob ... 10.mdl train_diagnostic.egs
nnet3-compute-prob ... 10.mdl valid_diagnostic.egs
iteration 11, 8 GPUs
nnet3-train ... 11.mdl 12.1.raw
nnet3-train ... 11.mdl 12.2.raw
nnet3-train ... 11.mdl 12.3.raw
nnet3-train ... 11.mdl 12.4.raw
nnet3-train ... 11.mdl 12.5.raw
nnet3-train ... 11.mdl 12.6.raw
nnet3-train ... 11.mdl 12.7.raw
nnet3-train ... 11.mdl 12.8.raw
nnet3-average exp/nnet3/rsi/12.1.raw exp/nnet3/rsi/12.2.raw exp/nnet3/rsi/12.3.raw exp/nnet3/rsi/12.4.raw exp/nnet3/rsi/12.5.raw exp/nnet3/rsi/12.6.raw exp/nnet3/rsi/12.7.raw exp/nnet3/rsi/12.8.raw - | nnet3-am-copy --set-raw-nnet=- exp/nnet3/rsi/11.mdl exp/nnet3/rsi/12.mdl
nnet3-compute-prob ... 11.mdl train_diagnostic.egs
nnet3-compute-prob ... 11.mdl valid_diagnostic.egs
combine
nnet3-combine ... exp/nnet3/rsi/12.mdl exp/nnet3/rsi/11.mdl exp/nnet3/rsi/10.mdl exp/nnet3/rsi/9.mdl exp/nnet3/rsi/8.mdl exp/nnet3/rsi/7.mdl exp/nnet3/rsi/egs/combine.egs exp/nnet3/rsi/combined.mdl
nnet3-compute-prob ... combined.mdl train_diagnostic.egs
nnet3-compute-prob ... combined.mdl valid_diagnostic.egs
adjust priors
nnet3-compute-from-egs --use-gpu=yes --apply-exp=true exp/nnet3/rsi/combined.mdl ark:'... egs.1.ark' ark:- | matrix-sum-rows ark:- ark:- | vector-sum ark:- exp/nnet3/rsi/post.combined.1.vec
nnet3-compute-from-egs --use-gpu=yes --apply-exp=true exp/nnet3/rsi/combined.mdl ark:'... egs.2.ark' ark:- | matrix-sum-rows ark:- ark:- | vector-sum ark:- exp/nnet3/rsi/post.combined.2.vec
nnet3-compute-from-egs --use-gpu=yes --apply-exp=true exp/nnet3/rsi/combined.mdl ark:'... egs.3.ark' ark:- | matrix-sum-rows ark:- ark:- | vector-sum ark:- exp/nnet3/rsi/post.combined.3.vec
nnet3-compute-from-egs --use-gpu=yes --apply-exp=true exp/nnet3/rsi/combined.mdl ark:'... egs.4.ark' ark:- | matrix-sum-rows ark:- ark:- | vector-sum ark:- exp/nnet3/rsi/post.combined.4.vec
nnet3-compute-from-egs --use-gpu=yes --apply-exp=true exp/nnet3/rsi/combined.mdl ark:'... egs.5.ark' ark:- | matrix-sum-rows ark:- ark:- | vector-sum ark:- exp/nnet3/rsi/post.combined.5.vec
nnet3-compute-from-egs --use-gpu=yes --apply-exp=true exp/nnet3/rsi/combined.mdl ark:'... egs.6.ark' ark:- | matrix-sum-rows ark:- ark:- | vector-sum ark:- exp/nnet3/rsi/post.combined.6.vec
nnet3-compute-from-egs --use-gpu=yes --apply-exp=true exp/nnet3/rsi/combined.mdl ark:'... egs.7.ark' ark:- | matrix-sum-rows ark:- ark:- | vector-sum ark:- exp/nnet3/rsi/post.combined.7.vec
nnet3-compute-from-egs --use-gpu=yes --apply-exp=true exp/nnet3/rsi/combined.mdl ark:'... egs.8.ark' ark:- | matrix-sum-rows ark:- ark:- | vector-sum ark:- exp/nnet3/rsi/post.combined.8.vec
nnet3-compute-from-egs --use-gpu=yes --apply-exp=true exp/nnet3/rsi/combined.mdl ark:'... egs.9.ark' ark:- | matrix-sum-rows ark:- ark:- | vector-sum ark:- exp/nnet3/rsi/post.combined.9.vec
nnet3-compute-from-egs --use-gpu=yes --apply-exp=true exp/nnet3/rsi/combined.mdl ark:'... egs.10.ark' ark:- | matrix-sum-rows ark:- ark:- | vector-sum ark:- exp/nnet3/rsi/post.combined.10.vec
nnet3-compute-from-egs --use-gpu=yes --apply-exp=true exp/nnet3/rsi/combined.mdl ark:'... egs.11.ark' ark:- | matrix-sum-rows ark:- ark:- | vector-sum ark:- exp/nnet3/rsi/post.combined.11.vec
vector-sum exp/nnet3/rsi/post.combined.1.vec exp/nnet3/rsi/post.combined.10.vec exp/nnet3/rsi/post.combined.2.vec exp/nnet3/rsi/post.combined.3.vec exp/nnet3/rsi/post.combined.4.vec exp/nnet3/rsi/post.combined.5.vec exp/nnet3/rsi/post.combined.6.vec exp/nnet3/rsi/post.combined.7.vec exp/nnet3/rsi/post.combined.8.vec exp/nnet3/rsi/post.combined.9.vec exp/nnet3/rsi/post.combined.vec
nnet3-am-adjust-priors exp/nnet3/rsi/combined.mdl exp/nnet3/rsi/post.combined.vec exp/nnet3/rsi/final.mdl
nnet3的并行化训练的更多相关文章
- Python多进程实现并行化随机森林
文章目录 1. 前言 2. 随机森林原理 3.实现原理 3.1并行化训练 3.1.1训练函数 3.1.2 单进程训练函数 生成数据集模块--生成部分数据集 单进程训练函数代码 3.2 并行化预测 3. ...
- Batch Size对神经网络训练的影响
前言 这篇文章非常全面细致地介绍了Batch Size的相关问题.结合一些理论知识,通过大量实验,文章探讨了Batch Size的大小对模型性能的影响.如何影响以及如何缩小影响等有关内容. 本文来 ...
- Dan版本的nnet2
除了chain,nnet1, nnet2, nnet3训练时调整转移模型,chain模型使用类似与MMI的训练准则 Dan's setup does not uses pre-training. Da ...
- 深度神经网络DNN的多GPU数据并行框架 及其在语音识别的应用
深度神经网络(Deep Neural Networks, 简称DNN)是近年来机器学习领域中的研究热点,产生了广泛的应用.DNN具有深层结构.数千万参数需要学习,导致训练非常耗时.GPU有强大的计算能 ...
- 【深度学习系列2】Mariana DNN多GPU数据并行框架
[深度学习系列2]Mariana DNN多GPU数据并行框架 本文是腾讯深度学习系列文章的第二篇,聚焦于腾讯深度学习平台Mariana中深度神经网络DNN的多GPU数据并行框架. 深度神经网络( ...
- XGBoost、LightGBM的详细对比介绍
sklearn集成方法 集成方法的目的是结合一些基于某些算法训练得到的基学习器来改进其泛化能力和鲁棒性(相对单个的基学习器而言)主流的两种做法分别是: bagging 基本思想 独立的训练一些基学习器 ...
- tf.variable和tf.get_Variable以及tf.name_scope和tf.variable_scope的区别
在训练深度网络时,为了减少需要训练参数的个数(比如具有simase结构的LSTM模型).或是多机多卡并行化训练大数据大模型(比如数据并行化)等情况时,往往需要共享变量.另外一方面是当一个深度学习模型变 ...
- tensorflow中的name_scope, variable_scope
在训练深度网络时,为了减少需要训练参数的个数(比如LSTM模型),或者是多机多卡并行化训练大数据.大模型等情况时,往往就需要共享变量.另外一方面是当一个深度学习模型变得非常复杂的时候,往往存在大量的变 ...
- Tensorflow常用函数说明（一）
首先最开始应该清楚一个知识,最外面的那个[ [ [ ]]]括号代表第一维,对应维度数字0,第二个对应1,多维时最后一个对应数字-1:因为后面有用到 1 矩阵变换 tf.shape(Tensor) 返回 ...
随机推荐
- web框架开发-快速认识Django中间件
中间件 中间件的概念 中间件顾名思义,是介于request与response处理之间的一道处理过程,相对比较轻量级,并且在全局上改变django的输入与输出. 因为改变的是全局,所以需要谨慎实用,用不 ...
- Linux-基础学习（五）-mariadb主从复制以及redis学习
开始今日份整理 1.mariadb的主从复制 主从复制大致图示: 1.1 mysql基本命令复习 linux下的操作 .启动mysql systemctl start mariadb .linux客户 ...
- 【转】Android开发：Service和Thread的关系
不少Android初学者都可能会有这样的疑惑,Service和Thread到底有什么关系呢?什么时候应该用Service,什么时候又应该用Thread?答案可能会有点让你吃惊,因为Service和Th ...
- Vue-移动端项目真机测试
一.查看ip地址 在控制台输入 ifconfig 查看ip地址 二.修改webpack-dev-server配置项 webpack-dev-server 默认不支持ip地址访问,需要修改配置项 三.测 ...
- 异常SRVE0199E
后台生成导出exe表格,在tomcat自己环境下完全没问题到websphere环境下保SRVE0199E产生这个问题是因为response.OutputStream已经打开再次打开就报这个异常,前台如 ...
- zookeeper报错java.net.ConnectException: Connection refused: no further information
zookeeper报错java.net.ConnectException: Connection refused: no further information 这是在linux 启动 https:/ ...
- angular 4 router传递数据三种方法
1.在查询参数中传递数据 <a [routerLink]="['/product']" [queryParams]="{id:1,name:'dongian'}& ...
- git 原理
1.git基本原理 2.git提交代码到远程仓库 3.远程仓库同步到本地 git pull #等同于下面命令 git fetch git merge 3.提交代码是冲突解决 一般提交前先get pul ...
- Apache Flink：特性、概念、组件栈、架构及原理分析
2016-04-30 22:24:39 Yanjun Apache Flink是一个面向分布式数据流处理和批量数据处理的开源计算平台,它能够基于同一个Flink运行时(Flink Runtim ...
- CodeForces 70
题目 A题 #include<bits/stdc++.h> using namespace std; int n,b,sum; int main(){ scanf("%d&quo ...