前言

在大型數據集上進行訓練的現代神經網絡架構可以跨廣泛的多種領域獲取可觀的結果，領域涵蓋從圖像識別、自然語言處理，到欺詐檢測和推薦系統等各個方面。但是訓練這些神經網絡模型需要大量浮點計算能力。盡管近些年來 GPU 硬件算力和訓練方法上均取得了重大的進步，但事實是在單一機器上，網絡訓練所需要的時間仍然長得不切實際。因此需要借助分布式GPU環境來提升神經網絡訓練系統的浮點計算能力。

TensorFlow分布式訓練

TensorFlow 采用了數據流范式， 使用節點和邊的有向圖來表示計算。TensorFlow 需要用戶靜態聲明這種符號計算圖，并對該圖使用復寫和分區（rewrite & partitioning）將其分配到機器上進行分布式執行。

TensorFlow 中的分布式機器學習訓練使用了如圖所示的參數服務器方法 。

Cluster、Job、Task

關于TensorFlow的分布式訓練，主要概念包括Cluster、Job、Task，其關聯關系如下：

• TensorFlow分布式Cluster由多個Task組成，每個Task對應一個tf.train.Server實例，作為Cluster的一個單獨節點；
•  多個相同作用的Task可以被劃分為一個Job，在分布式深度學習框架中,我們一般把Job劃分為Parameter Server和Worker，Parameter Job是管理參數的存儲和更新工作，而Worker Job運行OPs，作為計算節點只執行計算密集型的Graph計算；
•  Cluster中的Task會相對進行通信，以便進行狀態同步、參數更新等操作，如果參數的數量過大，一臺機器處理不了，這就要需要多個Task。

TensorFlow分布式計算模式

In-graph 模式

In-graph模式，將模型的計算圖的不同部分放在不同的機器上執行。 把計算從單機多GPU擴展到了多機多GPU， 不過數據分發還是在一個節點。 這樣配置簡單， 多機多GPU的計算節點只需進行join操作， 對外提供一個網絡接口來接受任務。訓練數據的分發依然在一個節點上， 把訓練數據分發到不同的機器上， 將會影響并發訓練速度。在大數據訓練的情況下， 不推薦使用這種模式。

Between-graph 模式

Between-graph模式下，數據并行，每臺機器使用完全相同的計算圖。訓練的參數保存在參數服務器，數據不用分發， 數據分布在在各個計算節點， 各個計算節點自行計算， 把要更新的參數通知參數服務器進行更新。這種模式不需要再練數據的分發， 數據量在TB級時可以節省大量的時間，目前主流的分布式訓練模式以 Between-graph為主。

參數更新方式

同步更新

各個用于并行計算的節點，計算完各自的batch 后，求取梯度值，把梯度值統一送到PS參數服務機器中，并等待PS更新模型參數。PS參數服務器在收集到到一定數量計算節點的梯度后，求取梯度平均值，更新PS參數服務器上的參數，同時將參數推送到各個worker節點。

異步更新

PS參數服務器收到只要收到一臺機器的梯度值，就直接進行參數更新，無需等待其它機器。這種迭代方法比較不穩定，因為當A機器計算完更新了PS參數服務器中的參數，可能B機器還是在用上一次迭代的舊版參數值。

分布式訓練步驟

1. 命令行參數解析，獲取集群的信息ps_hosts和worker_hosts，以及當前節點的角色信息job_name和task_index

2. 創建當前Task結點的Server

cluster = tf.train.ClusterSpec({"ps": ps_hosts, "worker": worker_hosts}) 
 
server = tf.train.Server(cluster, job_name=FLAGS.job_name, task_index=FLAGS.task_index) 

3. 如果當前節點是Parameter Server，則調用server.join()無休止等待；如果是Worker，則執行下一步

if FLAGS.job_name == "ps": 
 
    server.join() 

4. 則構建要訓練的模型

# build tensorflow graph model 

5. 創建tf.train.Supervisor來管理模型的訓練過程

# Create a "supervisor", which oversees the training process. 
sv = tf.train.Supervisor(is_chief=(FLAGS.task_index == 0), logdir="/tmp/train_logs") 
# The supervisor takes care of session initialization and restoring from a checkpoint. 
sess = sv.prepare_or_wait_for_session(server.target) 
# Loop until the supervisor shuts down 
while not sv.should_stop() 
     # train model 

UAI Train 分布式訓練部署

UCloud AI 訓練服務（UCloud AI Train）是面向AI訓練任務的大規模分布式計算平臺，基于高性能GPU計算節點提供一站式托管AI訓練任務服務，用戶在提交AI訓練任務后無需擔心計算節點調度、訓練環境準備、數據上傳下載以及容災等問題。

目前UAI Train平臺支持TensorFlow 和 MXNet 框架的分布式訓練。需要將PS代碼和Worker代碼實現在同一個代碼入口中，在執行過程中，PS 和 Worker 將使用相同的Docker容器鏡像和相同的python代碼入口進行執行，系統將自動生成PS和Worker的env環境參數。TensorFlow 分布式訓練采用PS-Worker的分布式格式，并提供python的接口運行分布式訓練。

UCloud AI Train分布式訓練采用Parameter Server和Worker Server混合部署的方法，所有計算節點均由GPU物理云主機組成。PS 僅使用CPU進行計算，Worker Server則同時使用GPU和CPU進行計算，PS 和 Worker的比例為1:1。

數據存儲

分布式訓練所使用的輸入數據和輸入數據可以是來自不同的數據源，目前UAI Train僅支持UFS作為數據的存儲。

Input 數據存儲

指定一個UFS網盤作為Input數據源，UAI Train平臺在訓練執行過程中會將對應的UFS數據映射到訓練執行的Worker容器的 /data/data 目錄下，系統會自動將數據映射到執行的容器中，如 ip:/xxx/data/imagenet/tf → /data/data/。

Output 數據存儲

指定一個UFS網盤作為output數據源，UAI Train平臺在訓練執行過程中會將對應的UFS數據映射到訓練執行的每一個PS容器和Worker容器的 /data/output 目錄下，并以共享的方式訪問同一份數據。同時，在訓練過程您可以通過其他云主機實時訪問訓練保存的模型checkpoint。

案例研究：通過CIFAR-10進行圖像識別

CIFAR-10是機器學習中常見的圖像識別數據集，該數據集共有60000張彩色圖像，這些圖像，分為10個類，每類6000張圖。這里面有50000張用于訓練，另外10000用于測試。

http://groups.csail.mit.edu/vision/TinyImages/

調整訓練代碼

為了在UAI平臺上進行訓練，首先下載源代碼，并對cifar10_main.py上做如下修改：

1. 添加相關參數：--data_dir, --output_dir, --work_dir, --log_dir, --num_gpus，UAI Train平臺將會自動生成這些參數；

2. 在代碼中增加UAI參數：使用data_dir配置輸入文件夾、使用output_dir配置輸出文件夾。

具體案例代碼可以在https://github.com/ucloud/uai-sdk/tree/master/examples/tensorflow/train/cifar 獲取

在UAI Train平臺執行訓練

1. 根據 https://github.com/tensorflow/models/tree/master/tutorials/image/cifar10_estimator 的說明生成CIFAR-10的tfrecords；

2. 使用UAI-SDK提供的tf_tools.py 生成CIFAR-10樣例的Docker鏡像；

3. 確保Docker鏡像已經上傳至UHub，在UAI Train平臺上執行。

/data/cifar10_main.py --train-batch-size=16 

在UAI平臺上的分布式訓練

CIFAR-10樣例代碼使用tf.estimator.Estimator API，只需一個分布式環境和分布式環境配置便可直接進行分布式訓練，該配置需要適用于tf.estimator.Estimator API的標準，即定義一個TF_CONFIG 配置。

TF_CONFIG = { 
    "cluster":{ 
        "master":["ip0:2222"], 
        "ps":["ip0:2223","ip1:2223"], 
        "worker":["ip1:2222"]}, 
    "task":{"type":"worker","index":0}, 
    "environment":"cloud" 
} 

UAI Train平臺的分布式訓練功能可以自動生成TensorFlow分布式訓練的GPU集群環境，同時為每個訓練節點自動生成TF_CONFIG。因此，在UAI Train平臺上執行CIFAR-10的分布式訓練和單機訓練一樣，僅需要指定input/output的UFS地址并執行如下指令即可：

/data/cifar10_main.py --train-batch-size=16 

總結

UAI Train TensorFlow的分布式訓練環境實現基于TensorFlow 的分布式訓練系統實現，采用默認的grpc協議進行數據交換。PS和Worker采用混合部署的方式部署，PS使用純CPU計算，Worker使用GPU+CPU計算。

在UAI Train平臺中可以非常方便的開展分布式計算，提高效率、壓縮訓練時間。本文中最后通過CIFAR-10 案例進行解析在UAI Train平臺上進行訓練所需進行的修改，并在UAI Train平臺上進行分布式訓練。