参数服务器训练基本理论

标签：框架   增量   zip   网络通信   文件的   eager   loader   最优   正是   

参数服务器训练基本理论

参数服务器训练是分布式训练领域普遍采用的编程架构，主要解决以下两类问题：

• 模型参数过大：单机内存空间不足，需要采用分布式存储。
• 训练数据过多：单机训练太慢，需要加大训练节点,来提高并发训练速度。

如图所示，参数服务器主要包含Server和Worker两个部分，其中Server负责参数的存储和更新，而Worker负责训练。简单来说，参数服务器训练的基本思路：当训练数据过多，一个Worker训练太慢时，可以引入多个Worker同时训练，这时Worker之间需要同步模型参数。直观想法是，引入一个Server，Server充当Worker间参数交换的媒介。当模型参数过大，以至于单机存储空间不足时，或Worker过多导致一个Server是瓶颈时，就需要引入多个Server。

 参数服务器训练的具体流程如下：

• 将训练数据均匀的分配给不同的Worker。
• 将模型参数分片，存储在不同的Server上。
• Worker端：读取一个minibatch训练数据，从Server端拉取最新的参数，计算梯度，并根据分片上传给不同的Server。
• Server端：接收Worker端上传的梯度，根据优化算法更新参数。根据Server端每次参数更新是否需要等待所有Worker端的梯度，分为同步训练和异步训练两种机制。

飞桨paddle的参数服务器框架，也是基于这种经典的参数服务器模式进行设计和开发的，在这基础上进行了SGD(Stochastic Gradient Descent）算法的创新（GEO-SGD）。目前飞桨paddle支持3种模式，分别是同步训练模式、异步训练模式、GEO异步训练模式，三者之间的差异如下图所示。

当前经过大量的实验验证，最佳的方案是每台机器上启动Server和Worker两个进程，而一个Worker进程中，可以包含多个用于训练的线程。

 同步训练

Worker在训练一个batch的数据后，会合并所有线程的梯度发给Server, Server在收到所有节点的梯度后，会统一进行梯度合并及参数更新。同步训练的优势在于Loss可以比较稳定的下降，缺点是整个训练速度较慢，这是典型的木桶原理，速度的快慢取决于最慢的那个线程的训练计算时间，在训练较为复杂的模型时，即模型训练过程中神经网络训练耗时，远大于节点间通信耗时的场景下，推荐使用同步训练模式。

异步训练
在训练一个batch的数据后，Worker的每个线程会发送梯度给Server。而Server不会等待接收所有节点的梯度，而是直接基于已收到的梯度进行参数更新。异步训练去除了训练过程中的等待机制，训练速度得到了极大的提升，但是缺点也很明显，那就是Loss下降不稳定，容易发生抖动。建议在个性化推荐（召回、排序）、语义匹配等数据量大的场景使用。 尤其是推荐领域的点击率预估场景，该场景可能会出现千亿甚至万亿规模的稀疏特征，而稀疏参数也可以达到万亿数量级，且需要小时级或分钟级流式增量训练。如果使用异步训练模式，可以很好的满足该场景的online-learning需求。

GEO异步训练
GEO(Geometric Stochastic Gradient Descent)异步训练是飞桨paddle自研的异步训练模式，其最大的特点是将参数的更新从Server转移到Worker上。每个Worker在本地训练过程中，使用SGD优化算法更新本地模型参数，在训练若干个batch的数据后，Worker将发送参数更新信息给Server。Server在接收后会通过加和方式更新保存的参数信息。所以显而易见，在GEO异步训练模式下，Worker不用再等待Server发来新的参数即可执行训练，在训练效果和训练速度上有了极大的提升。但是此模式比较适合可以在单机内能完整保存的模型，在搜索、NLP等类型的业务上应用广泛，推荐在词向量、语义匹配等场景中使用。

运行策略的详细描述可以参考文档PaddlePaddle 参数服务器分布式训练策略定义

基于分类模型的训练示例

本文档以二分类模型举例，介绍单机训练和参数服务器训练（异步模式）两种模式的详细代码，方便用户快速了解两种模式的具体差异。

本文涉及的所有源码，可通过此链接获取：https://github.com/seiriosPlus/Fleet/tree/distribtued_training/examples/distributed_ctr 建议亲手操作，毕竟只有亲手敲过的代码才真正是自己的。

单机训练示例

环境准备

训练前，请确保：

• 已正确安装飞桨paddle最新版本。安装操作请参见飞桨paddle。
• 运行环境基于Linux，示例代码支持Unbuntu及CentOS。
• 运行环境中Python版本高于2.7。

数据处理

数据集采用Display Advertising Challenge所用的Criteo数据集。该数据集包括两部分：训练集和测试集。训练集包含一段时间内Criteo的部分流量，测试集则对应训练数据后一天的广告点击流量。

数据预处理共包括两步：

• 将原始训练集按9:1划分为训练集和验证集。
• 数值特征（连续特征）需进行归一化处理，但需要注意的是，对每一个特征<integer feature i>，归一化时用到的最大值并不是用全局最大值，而是取排序后95%位置处的特征值作为最大值，同时保留极值。

模型设计

模型属于二分类模型，网络结构如下图所示。输入是N类稀疏特征，比如词的id。通过查取embedding表（字典大小xM维的向量表），变换成N个M维向量。将所有NxM维向量连接在一起融合为一个向量。网络由多个输入数据层(paddle.static.data)、多个共享参数的嵌入层(paddle.nn.functional.embedding)，若干个全连接层(paddle.static.fc)，以及相应的分类任务的Loss计算和auc计算。经过多层全连接层+激活函数（relu）后，进行0/1分类。

 # 数据输入声明

# Criteo数据集分连续数据与离散（稀疏）数据，整体而言，数据输入层包括三个，分别是：`dense_input`用于输入连续数据，维度由超参数`dense_feature_dim`指定，数据类型是归一化后的浮点型数据。`sparse_input_ids`用于记录离散数据，在Criteo数据集中，共有26个slot，所以创建了名为`C1~C26`的26个稀疏参数输入，并设置`lod_level=1`，代表其为变长数据，数据类型为整数；最后是每条样本的`label`，代表了是否被点击，数据类型是整数，0代表负样例，1代表正样例。

# 在飞桨paddle中数据输入的声明使用`paddle.static.data()`，会创建指定类型的占位符，数据IO会依据此定义进行数据的输入

def input_data(self, params):

    dense_input = paddle.static.data(name="dense_input",

                                    shape=[params.dense_feature_dim],

                                    dtype="float32")

    sparse_input_ids = [

        paddle.static.data(name="C" + str(i),

                          shape=[1],

                          lod_level=1,

                          dtype="int64") for i in range(1, 27)

    ]

    label = paddle.static.data(name="label", shape=[1], dtype="int64")

    inputs = [dense_input] + sparse_input_ids + [label]

    return inputs

def net(self, inputs, params):

# Embedding层

# Embedding层的组网方式：`Embedding`层的输入是`sparse_input`，shape由超参的`sparse_feature_dim`和`embedding_size`定义

# 指定`is_sprase=True`后，计算图会将该参数视为稀疏参数，反向更新以及分布式通信时，都以稀疏的方式进行，会极大的提升运行效率，同时保证效果一致。

    def embedding_layer(input):

        return paddle.nn.functional.embedding(

            input=input,

            is_sparse=params.is_sparse,

            size=[params.sparse_feature_dim, params.embedding_size]),

        )

    sparse_embed_seq = list(map(embedding_layer, inputs[1:-1]))

    # 各个稀疏的输入通过Embedding层后，将其合并起来，置于一个list内，以方便进行concat的操作

    concated = paddle.concat(sparse_embed_seq + inputs[0:1], axis=1)

   # 将离散数据通过embedding查表得到的值，与连续数据的输入进行`concat`操作，合为一个整体输入，作为全链接层的原始输入。共设计了3层FC，每层FC的输出维度都为400，每层FC都后接一个`relu`激活函数，每层FC的初始化方式为符合正态分布的随机初始化，标准差与上一层的输出维度的平方根成反比。

    fc1 = paddle.static.fc(

        input=concated,

        size=400,

        act="relu"

    )

    fc2 = paddle.static.fc(

        input=fc1,

        size=400,

        act="relu"

    )

    fc3 = paddle.static.fc(

        input=fc2,

        size=400,

        act="relu"

    )

    predict =paddle.static.fc(

        input=fc3,

        size=2,

        act="softmax"

    )

# Loss及Auc计算

# 预测的结果通过一个输出shape为2的FC层给出，该FC层的激活函数softmax，会给出每条样本分属于正负样本的概率。

# 每条样本的损失由交叉熵给出，交叉熵的输入维度为[batch_size,2]，数据类型为float，label的输入维度为[batch_size,1]，数据类型为int。该batch的损失`avg_cost`是各条样本的损失之和

# 同时还会计算预测的auc，auc的结果由`paddle.static..auc()`给出，该层的返回值有三个，分别是全局auc: `auc_var`，当前batch的auc: `batch_auc_var`，以及auc_states: `auc_states`，auc_states包含了`batch_stat_pos, batch_stat_neg, stat_pos, stat_neg`信息。 

    cost = paddle.nn.functional.cross_entropy(input=predict, label=inputs[-1])

    avg_cost = paddle.sum(cost)

    auc_var, batch_auc_var, _ = paddle.static.auc(input=predict,

                                                 label=inputs[-1])

    return avg_cost, auc_var, batch_auc_var

模型训练

def train(params):

    # 引入模型的组网

    ctr_model = CTR()

    inputs = ctr_model.input_data(params)

    avg_cost, auc_var, batch_auc_var = ctr_model.net(inputs,params)

    # 选择反向更新优化策略

    optimizer = paddle.optimizer.Adam(params.learning_rate)

    optimizer.minimize(avg_cost)

    # 创建训练的执行器

    exe = paddle.static.Executor(paddle.CPUPlace())

    exe.run(paddle.static.default_startup_program())

    # 引入数据读取

    dataset = get_dataset(inputs,params)

    # 开始训练

    for epoch in range(params.epochs):

        # 启动pyreader的异步训练线程

        # PyRreader是飞桨paddle提供的简洁易用的数据读取API接口，支持同步数据读取及异步数据读取，用户自行定义数据处理的逻辑后，以迭代器的方式传递给PyReader，完成训练的数据读取部分

        reader.start()

        batch_id = 0

        try:

            while True:

                # 获取网络中，所需的输出，如loss、auc等

                loss_val, auc_val, batch_auc_val = exe.run(

                    program=compiled_prog,

                    fetch_list=[

                        avg_cost.name, auc_var.name, batch_auc_var.name

                    ])

                loss_val = np.mean(loss_val)

                auc_val = np.mean(auc_val)

                batch_auc_val = np.mean(batch_auc_val)

                # 每隔10个Batch打印一次输出

                if batch_id % 10 == 0 and batch_id != 0:

                    logger.info(

                        "TRAIN --> pass: {} batch: {} loss: {} auc: {}, batch_auc: {}"

                        .format(epoch, batch_id,

                                loss_val / params.batch_size, auc_val,

                                batch_auc_val))

                batch_id += 1

        except paddle.core.EOFException::

           # 一次训练完成后，要调用reset来将Reader恢复为初始状态，为下一轮训练准备

            reader.reset()

    logger.info("Train Success!")

参数服务器训练示例

对于参数服务器训练来说，训练前也需要完成环境准备、数据处理、模型设计工作。其中，数据处理和模型设计与单机训练完全相同，可以直接拿来使用。

环境准备

执行模型训练前，需要确保运行环境满足以下要求：

• 飞桨paddle参数服务器模式的训练，目前只支持在Liunx环境下运行，推荐使用ubuntu或CentOS
• 飞桨paddle参数服务器模式的Python环境支持python 2.7及python 3.5+， 安装和运行前请检查版本是否符合要求
• 使用飞桨paddle的参数服务器分布式训练，确保各自之间可以通过ip:port的方式访问rpc服务，使用http/https代理会导致通信失败
• 参数服务器使用RPC通信完成整个训练流程，训练节点存在于同一个机房、IDC会获得更好的速度
• 飞桨paddle的参数服务器训练支持多种训练环境的启动和运行，包括kubernetes/MPI/其他自定义环境等。

数据处理

参数服务器训练的数据处理与单机训练完全相同，这里不再重复赘述。

模型设计

参数服务器训练的模型设计与单机训练完全相同，这里不再重复赘述。

模型训练

飞桨paddle的参数服务器中存在Worker和PServer两种角色，下面会结合2X2的实际情况讲述启动流程。 飞桨paddle的参数服务器的训练分为3个阶段， 一是将PServer全部启动， PServer会根据用户定义的监听端口启动监听服务，等待Worker连接；二是启动全部Worker节点，Worker节点会根据配置的Pserver的端口号跟每一个PServer进行连接检查，确保能够顺利连接后，进行参数的初始化和同步；三是启动训练流程，通过跟多个PServer的通信完成整个训练流程。 假设有两台机器，想要在每台机器上分别启动一个server进程以及一个worker进程，完成2x2（2个参数服务器，2个训练节点）的参数服务器模式分布式训练，按照如下步骤操作。

启动server
机器A，IP地址是10.89.176.11，通信端口是36000，配置如下环境变量后，运行训练的入口程序：

export PADDLE_PSERVERS_IP_PORT_LIST="10.89.176.11:36000,10.89.176.12:36000"

export TRAINING_ROLE=PSERVER

export POD_IP=10.89.176.11 # node A：10.89.176.11

export PADDLE_PORT=36000

export PADDLE_TRAINERS_NUM=2

python -u train.py --is_cloud=1

应能在日志中看到如下输出：

server.cpp:1040] Check out http://10.89.176.11:36000 in web browser.

查看系统进程

8624 | ttys000 | 0:02.31 | python -u train.py --is_cloud=1

查看系统进程及端口占用：

python3.7 | 8624 | paddle | 8u | IPv6 | 0xe149b87d093872e5 | 0t0 | TCP | localhost:36000 (LISTEN)

也可以看到的server进程8624的确在36000端口开始了监听，等待worker的通信。

机器B，IP地址是10.89.176.12，通信端口是36000，配置如下环境变量后，运行训练的入口程序：

export PADDLE_PSERVERS_IP_PORT_LIST="10.89.176.11:36000,10.89.176.12:36000"

export TRAINING_ROLE=PSERVER

export POD_IP=10.89.176.12 # node B: 10.89.176.12

export PADDLE_PORT=36000

export PADDLE_TRAINERS_NUM=2

python -u train.py --is_cloud=1

也可以看到相似的日志输出与进程状况。（进行验证时，请务必确保IP与端口的正确性）

启动worker

接下来分别在机器A与B上开启训练进程。配置如下环境变量并开启训练进程：

机器A：

export PADDLE_PSERVERS_IP_PORT_LIST="10.89.176.11:36000,10.89.176.12:36000"

export TRAINING_ROLE=TRAINER

export PADDLE_TRAINERS_NUM=2

export PADDLE_TRAINER_ID=0 # node A：trainer_id = 0

python -u train.py --is_cloud=1

机器B：

export PADDLE_PSERVERS_IP_PORT_LIST="10.89.176.11:36000,10.89.176.12:36000"

export TRAINING_ROLE=TRAINER

export PADDLE_TRAINERS_NUM=2

export PADDLE_TRAINER_ID=1 # node B: trainer_id = 1

python -u train.py --is_cloud=1

运行该命令时，若Pserver还未就绪，可在日志输出中看到如下信息：

server not ready, wait 3 sec to retry…

not ready endpoints:[‘10.89.176.11:36000’, ‘10.89.176.12:36000’]

Worker进程将持续等待，直到Pserver开始监听，或等待超时。

当Pserver都准备就绪后，可以在日志输出看到如下信息：

I0317 11:38:48.099179 16719 communicator.cc:271] Communicator start

I0317 11:38:49.838711 16719 rpc_client.h:107] init rpc client with trainer_id 0

至此，分布式训练启动完毕，开始训练。

参数服务器训练数据切分
飞桨paddle的参数服务器训练目前主要是数据并行模式。通过增加训练节点来提高训练数据的并行度的，需要对数据进行划分，即将全部的训练数据均匀的分成Worker个数份，每一个Worker需要分配全部训练数据中的一份，每个Worker节点训练自己的一份数据，参数由PServer端完成聚合和更新。要确保每个节点都能拿到数据，希望每个节点的数据同时满足：各个节点数据无重复和各个节点数据数量均匀。

Fleet提供了split_files()的接口，输入值是一个稳定的目录List，随后该函数会根据节点自身的编号拿到相应的数据文件列表，训练数据在同一个目录下，使用该接口，给各个进程（扮演不同的训练节点）分配不同的数据文件。

file_list = [

        str(args.train_files_path) + "/%s" % x

        for x in os.listdir(args.train_files_path)

]

# 请确保每一个训练节点都持有不同的训练文件

# 当用本地多进程模拟分布式时，每个进程需要拿到不同的文件

# 使用 fleet.split_files 可以便捷的以文件为单位分配训练样本

files= fleet.split_files(file_list)

基于得到的files，每个节点开始独立进行数据读取和训练。如果数据在HDFS上，可以根据files列表将数据下载会本地进行读取。如果数据在本地，则可直接根据files列表进行读取。

详细训练代码示例
异步模式分布式训练代码的详细说明如下所示。

    # 根据环境变量确定当前机器/进程在分布式训练中的角色分配Worker/PSERVER

    # 然后使用 fleet api的 init()方法初始化这个节点

    role = role_maker.PaddleCloudRoleMaker()

    fleet.init(role)

    # 设置分布式运行模式为异步(async)，同时将参数进行切分，以分配到不同的节点

    strategy = StrategyFactory.create_async_strategy()

    ctr_model = CTR()

    inputs = ctr_model.input_data(params)

    avg_cost, auc_var, batch_auc_var = ctr_model.net(inputs, params)

    optimizer = paddle.optimizer.Adam(params.learning_rate)

    # 配置分布式的optimizer，传入指定的strategy，构建program

    optimizer = fleet.distributed_optimizer(optimizer, strategy)

    optimizer.minimize(avg_cost)

    # 根据节点角色，分别运行不同的逻辑

    if fleet.is_server():

        # 初始化及运行参数服务器节点

        fleet.init_server()

        fleet.run_server()

    elif fleet.is_worker():

        # 初始化工作节点

        fleet.init_worker()

        exe = paddle.static.Executor(paddle.CPUPlace())

        # 初始化含有分布式流程的fleet.startup_program

        exe.run(fleet.startup_program)

        for epoch in range(params.epochs):

            # 启动dataloader的异步训练线程

            # DataLoader是飞桨paddle提供的简洁易用的数据读取API接口，支持同步数据读取及异步数据读取，用户自行定义数据处理的逻辑后，以迭代器的方式传递给DataLoader，完成训练的数据读取部分

            reader.start()

            batch_id = 0

            try:

                while True:

                    # 获取网络中，所需的输出，如loss、auc等

                    loss_val, auc_val, batch_auc_val = exe.run(

                        program=compiled_prog,

                        fetch_list=[

                            avg_cost.name, auc_var.name, batch_auc_var.name

                        ])

                    loss_val = np.mean(loss_val)

                    auc_val = np.mean(auc_val)

                    batch_auc_val = np.mean(batch_auc_val)

                    # 每隔10个Batch打印一次输出

                    if batch_id % 10 == 0 and batch_id != 0:

                        logger.info(

                            "TRAIN --> pass: {} batch: {} loss: {} auc: {}, batch_auc: {}"

                            .format(epoch, batch_id,

                                    loss_val / params.batch_size, auc_val,

                                    batch_auc_val))

                    batch_id += 1

            except paddle.core.EOFException:

               # 一次训练完成后，要调用reset来将Reader恢复为初始状态，为下一轮训练准备

                reader.reset()

            # 默认使用0号节点保存模型

            if  fleet.is_first_worker():

                model_path = (str(params.model_path) + "/" + "epoch_" +

                              str(epoch))

                fleet.save_persistables(executor=exe, dirname=model_path)

        fleet.stop_worker()

使用pyreader进行多轮训练时，有一些固有的使用方法，如示例代码所示，使用try & except捕获异常的方式得到reader读取完数据的信号，使用reset重置reader，以进行下一轮训练的数据读取。 执行exe.run()时，传入的是CompiledProgram，同时可以通过加入fetch_list来直接获取想要监控的变量。

运行：本地模拟分布式
运行方式有两种方式。
方法一 运行local_cluster.sh脚本
运行local_cluster.sh脚本，设置启动命令为sync：

sh local_cluster.sh sync

使用该脚本开启分布式模拟训练，默认启用2x2的训练模式。Worker与Pserver的运行日志，存放于./log/文件夹，保存的模型位于./model/。

方法二 运行飞桨paddle内置的一个启动器launch_ps
在单机模拟多机训练的启动命令，飞桨paddle内置的一个启动器launch_ps，用户可以指定Worker和server的数量进行参数服务器任务的启动。

python -m paddle.distributed.launch_ps --worker_num 2 --server_num 2 train.py

使用该脚本开启分布式模拟训练，也将启用2个Worker x 2个server的训练模式。Worker与Pserver的运行日志，存放于./logs/文件夹，保存的模型位于./model/。

开启本地模拟分布式训练后的日志输出
使用快速验证数据集，本地模拟同步模式的分布式训练的理想输出为：

pserver.0.log

INFO:file list: [‘train_data/part-1‘]

get_pserver_program() is deprecated, call get_pserver_programs() to get pserver main and startup in a single call.

I1128 11:34:50.242866   459 grpc_server.cc:477] Server listening on 127.0.0.1:36011 successful, selected port: 36011

trainer.0.log

INFO:file list: [‘train_data/part-1‘]

server not ready, wait 3 sec to retry...

not ready endpoints:[‘127.0.0.1:36012‘]

I1128 11:34:53.424834 32649 rpc_client.h:107] init rpc client with trainer_id 0

I1128 11:34:53.526729 32649 parallel_executor.cc:423] The Program will be executed on CPU using ParallelExecutor, 2 cards are used, so 2 programs are executed in parallel.

I1128 11:34:53.537334 32649 parallel_executor.cc:287] Inplace strategy is enabled, when build_strategy.enable_inplace = True

I1128 11:34:53.541473 32649 parallel_executor.cc:370] Garbage collection strategy is enabled, when FLAGS_eager_delete_tensor_gb = 0

INFO:TRAIN --> pass: 0 batch: 10 loss: 0.588123535156 auc: 0.497622251208, batch_auc: 0.496669348982

INFO:TRAIN --> pass: 0 batch: 20 loss: 0.601480102539 auc: 0.501770208439, batch_auc: 0.520060819177

INFO:TRAIN --> pass: 0 batch: 30 loss: 0.581234985352 auc: 0.513533941098, batch_auc: 0.552742309157

INFO:TRAIN --> pass: 0 batch: 40 loss: 0.551335083008 auc: 0.523242733864, batch_auc: 0.586762885637

INFO:TRAIN --> pass: 0 batch: 50 loss: 0.532891052246 auc: 0.538684471661, batch_auc: 0.617389479234

INFO:TRAIN --> pass: 0 batch: 60 loss: 0.564157531738 auc: 0.552346798675, batch_auc: 0.628245358534

INFO:TRAIN --> pass: 0 batch: 70 loss: 0.547578674316 auc: 0.565243961316, batch_auc: 0.651260427476

INFO:TRAIN --> pass: 0 batch: 80 loss: 0.554214599609 auc: 0.57554000345, batch_auc: 0.648544028986

INFO:TRAIN --> pass: 0 batch: 90 loss: 0.549561889648 auc: 0.585579565556, batch_auc: 0.660180398731

INFO:epoch 0 finished, use time=40

INFO:Distribute Train Success!

模型预测

完成前面的单机训练和参数服务器训练完成后，需要在测试集上测试离线预测的结果，验证模型的泛化能力。本节内容对应示例代码中的infer.py。

单机训练和参数服务器训练均采用此操作进行模型预测。

构建预测网络及加载模型参数
预测网络与训练网络一致，无需更改，使用相同的方式构建inputs、loss、auc。加载参数使用paddle.io.load_vars()接口，从保存好的模型文件夹中加载同名参数。

# paddle中对于program的独立作用域限定， 在此作用域下配置的所有组网相关的操作均作用于test_program, startup_program上

with paddle.static.program_guard(test_program, startup_program):

   # paddle中对于参数命名的独立作用域限定， 在此作用域下配置的组网，会重新开始编号，不会和其他网络冲突

    with paddle.static.unique_name.guard():

        inputs = ctr_model.input_data(params)

        loss, auc_var, batch_auc_var = ctr_model.net(inputs, params)

        exe = paddle.static.Executor(place)

        feeder =paddle.io.DataLoader(feed_list=inputs, place=place)

        paddle.static.load_vers(

            executor=exe,

            dirname=model_path,

            main_program=paddle.static.default_main_program())

在进行上述流程时，有一些需要关注的细节：

• 传入的program不是default_main_program()，而是新建的空的program。因为在测试时，要从零开始，保证预测program的干净，没有其它的影响因素。

• startup_program = paddle.static.Program()
• test_program = paddle.static.Program()

• 在创建预测网络时，加入了with paddle.static.unique_name.guard(): 作用是让所有新建的参数的自动编号再次从零开始。飞桨paddle的参数Variable以变量名作为区分手段，保证变量名相同，就可以从保存的模型中找到对应参数。

飞桨paddle创建的临时变量，编号会自动顺延，如果没有指定变量名，可以观察到这一现象，比如：fc_1.w_0->fc_2.w_0，想要共享相同的参数，必需要保证编号可以对应。

获取测试数据

测试数据的读取使用同步模式中使用过的pyreader方法。

运行测试
为了快速验证，仅取用测试数据集的一个part文件，进行测试。在代码目录下，键入以下命令，进行预测：

python -u infer.py &> test.log &

测试结果的日志位于test.log，仅训练一个epoch后，在part-220上的的理想测试结果为：

2019-11-26 08:56:19,985 - INFO - Test model model/epoch_0

open file success

2019-11-26 08:56:20,323 - INFO - TEST --> batch: 0 loss: [0.5577456] auc: [0.61541704]

2019-11-26 08:56:37,839 - INFO - TEST --> batch: 100 loss: [0.5395161] auc: [0.6346397]

2019-11-26 08:56:55,189 - INFO - {‘loss‘: 0.5571399, ‘auc‘: array([0.6349838])}

2019-11-26 08:56:55,189 - INFO - Inference complete

因为快速验证的训练数据与测试数据极少，同时只训练了一轮，所以远远没有达到收敛，且初始化带有随机性，在您的环境下出现测试结果与示例输出不一致是正常情况。

参数服务器训练的性能调优

优化的目的是在给定数据集上，以最快速度训练得到最优的效果。参数服务器训练的性能调优分为速度提升和效果提升。

速度提升

参数服务器训练涉及的训练如下图所示。

 可以看出：训练时间 = 数据读取时间 + 节点训练(网络前向后向执行时间) + 通信时间 + 节点之间等待时间 + 更新参数时间。

因此可以从数据读取、单节点训练、通信模块、Server端参数更新这4个方面进行参数服务器的优化。

Dataset数据读取
目前支持PyReader和Dataset两种，后者速度更快。PyReader采用的模式是多个读数据线程写到一个队列中，多个训练线程从这个一个队列中读取数据，形成了多生产者多消费者的模式，导致队列成为瓶颈。Dataset采用多个读数据线程写到多个队列中，多个训练线程之间完全异步的模式， 消除队列瓶颈，在数据读取速度上更胜一筹。

在模型比较简单、数量比较大时，可以使用参数服务器的全异步训练模式和高性能的IO数据读取模式来高速的训练。Dataset是为多线程及全异步模式量身打造的数据读取方式，每个数据读取线程会与一个训练线程耦合，形成了多生产者-多消费者的模式，极大的加速了模型训练。详细的Dataset的设计文档可以参考：Dataset
如何在的训练中引入Dataset读取方式呢？
无需变更数据格式，只需在的训练代码中加入以下内容，便可达到媲美二进制读取的高效率，以下是一个比较完整的流程。

一、定义Dataset
以下是dataset_generator.py的全部代码，具体流程如下：

1. 首先需要引入Dataset库，位于paddle.distributed.QueueDataset。
2. 声明一些在数据读取中会用到的变量，如示例代码中的cont_min_、categorical_range_等。
3. 创建一个子类，继承Dataset的基类，基类有多种选择，如果是多种数据类型混合，并且需要转化为数值进行预处理的，建议使用MultiSlotDataGenerator；若已经完成了预处理并保存为数据文件，可以直接以string的方式进行读取，使用MultiSlotStringDataGenerator，能够进一步加速。在示例代码，继承并实现了名为CriteoDataset的dataset子类，使用MultiSlotDataGenerator方法。
4. 继承并实现基类中的generate_sample函数，逐行读取数据。该函数应返回一个可以迭代的reader方法(带有yield的函数不再是一个普通的函数，而是一个生成器generator，成为了可以迭代的对象，等价于一个数组、链表、文件、字符串etc.)
5. 在这个可以迭代的函数中，如示例代码中的def reader()，定义数据读取的逻辑。例如对以行为单位的数据进行截取，转换及预处理。
6. 最后，需要将数据整理为特定的格式，才能够被Dataset正确读取，并灌入训练网络中。简单来说，数据的输出顺序与在网络中创建的inputs必须是严格一一对应的，并转换为类似字典的形式。在示例代码中，使用zip的方法将参数名与数值构成的元组组成了一个list，并将其yield输出。如果展开来看，输出的数据形如[(‘dense_feature‘,[value]),(‘C1‘,[value]),(‘C2‘,[value]),...,(‘C26‘,[value]),(‘label‘,[value])]。

import paddle.distributed.fleet.data_generator as dg 

cont_min_ = [0, -3, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0]

cont_max_ = [20, 600, 100, 50, 64000, 500, 100, 50, 500, 10, 10, 10, 50]

cont_diff_ = [20, 603, 100, 50, 64000, 500, 100, 50, 500, 10, 10, 10, 50]

hash_dim_ = 1000001

continuous_range_ = range(1, 14)

categorical_range_ = range(14, 40)

class CriteoDataset(dg.MultiSlotDataGenerator):

    def generate_sample(self, line):

        def reader():

            features = line.rstrip(‘\n‘).split(‘\t‘)

            dense_feature = []

            sparse_feature = []

            for idx in continuous_range_:

                if features[idx] == "":

                    dense_feature.append(0.0)

                else:

                    dense_feature.append(

                        (float(features[idx]) - cont_min_[idx - 1]) /

                        cont_diff_[idx - 1])

            for idx in categorical_range_:

                sparse_feature.append(

                    [hash(str(idx) + features[idx]) % hash_dim_])

            label = [int(features[0])]

            process_line = dense_feature, sparse_feature, label

            feature_name = ["dense_feature"]

            for idx in categorical_range_:

                feature_name.append("C" + str(idx - 13))

            feature_name.append("label")

            yield zip(feature_name, [dense_feature] + sparse_feature + [label])

        return reader

d = CriteoDataset()

d.run_from_stdin()

二、引入Dataset

1. 通过工厂类paddle.distributed.QueueDataset创建一个Dataset对象。
2. 将定义好的数据输入格式传给Dataset，通过dataset._set_use_var(inputs)实现。
3. 指定的数据读取方式，由dataset_generator.py实现数据读取的规则，后面会介绍读取规则的实现。
4. 指定数据读取的batch_size。
5. 指定数据读取的线程数，该线程数和训练线程应保持一致，两者为耦合的关系。
6. 指定Dataset读取的训练文件的列表。

def get_dataset(inputs, params)

    dataset = paddle.distributed.fleet.dataset.DatasetBase()

    dataset._set_use_var(inputs)

    dataset._set_pipe_command("python dataset_generator.py")

    dataset._set_batch_size(params.batch_size)

    dataset._set_thread(int(params.cpu_num))

    file_list = [

        str(params.train_files_path) + "/%s" % x

        for x in os.listdir(params.train_files_path)

    ]

    dataset.set_filelist(file_list)

    logger.info("file list: {}".format(file_list))

    return dataset

三、 Dataset Reader 快速调试
可以脱离组网架构，单独验证Dataset的输出是否符合预期。使用命令 cat 数据文件 | python dataset读取python文件进行dataset代码的调试：

cat train_data/part-0 | python dataset_generator.py

输出的数据格式如下： dense_input:size ; dense_input:value ; sparse_input:size ; sparse_input:value ; ... ; sparse_input:size ; sparse_input:value ; label:size ; label:value

理想的输出为(截取了一个片段)：

...

13 0.05 0.00663349917081 0.05 0.0 0.02159375 0.008 0.15 0.04 0.362 0.1 0.2 0.0 0.04 1 715353 1 817085 1 851010 1 833725 1 286835 1 948614 1 881652 1 507110 1 27346 1 646986 1 643076 1 200960 1 18464 1 202774 1 532679 1 729573 1 342789 1 562805 1 880474 1 984402 1 666449 1 26235 1 700326 1 452909 1 884722 1 787527 1 0

...

使用Dataset的一些注意事项

• Dataset的基本原理：将数据print到缓存，再由C++端的代码实现读取，因此，不能在dataset的读取代码中，加入与数据读取无关的print信息，会导致C++端拿到错误的数据信息。
• Dataset目前只支持在unbuntu及CentOS等标准Linux环境下使用，在Windows及Mac下使用时，会产生错误，请知悉。

节点训练
加快训练速度，采用多线程的方式进行单节点的训练，如配置更大的线程数来加速训练等。

通信模块

• 采用稀疏更新：目前部分OP实现了稀疏更新(embedding/nce/hsigmoid)，采用稀疏更新的方式传输梯度，可以减少通信量，提升训练速度
• 减少通信时间：可以采用减少通信次数（GEO方式隔N个batch通信一次，可以调整N来减少通信）、压缩单次通信量（稀疏通信）， 采样全异步、GEO异步等训练模式可以减少网络通信，减少节点之间等待时间，达到加速的目的

分布式训练策略GEO异步训练的配置，引入StrategyFactory后，只需调用create_geo_strategy即可。

```python

optimizer = paddle.optimizer.SGD(params.learning_rate)

# geo异步模式可以指定通信间隔的MiniBatch数，间隔Batch数越大，理论上速度越快，但是对效果可能有影响，需要在此进行权衡

strategy = paddle.distributed.fleet.DistributedStrategy()

strategy.a_sync = True

strategy.a_sync_configs = {"k_steps": 100}

# 配置分布式的optimizer，传入指定的strategy，构建program

optimizer = fleet.distributed_optimizer(optimizer, strategy)

optimizer.minimize(avg_cost)

```

参数更新

• 稀疏更新：部分优化器实现了稀疏更新的方式(既只更新有梯度的参数)，在参数规模较大的情况下，可以极大的提升训练速度，目前包括SGD/Adagrad/Adam(需要在配置optimizer的时候指定lazy_mode=True)实现了稀疏更新，采用此方式可以提速。

# 稀疏参数(embedding等)会采用稀疏更新

optimizer = paddle.optimizer.AdamOptimizer(learning_rate=0.002, lazy_mode=True)

效果提升

可以通过调整训练数据分布、训练模式、优化算法及超参等手段来提升模型效果。试想，在同步训练下，由于Pserver端更新参数时采用的是全局梯度，当“多机下节点数乘以batchsize等于单机下batchsize”时，多机效果可以和单机打平, 所以分布式下的效果优化，可以归结为向单机靠齐。

• 训练数据均匀分布或节点之间差异最小：随机乱序，并均匀分配给不同训练节点，使得节点之间训练数据分布差异最小，且训练速度差异最小，这样效果会更稳定。一般情况下，训练数据在训练开始只分配一次，然后训练多个Epoch。举例，两个节点AB，AB始终都在训同一个Epoch的效果，肯定好于节点A在训Epoch2，节点B在训Epoch20。因为节点B在严重过拟合自己部分的数据。
• 优化算法：在需训练多轮情况下，SGD最终效果会好些；在只需训练一轮情况下，Ada系列效果会更好些。
• 训练模式：同步模式的效果往往比异步好些，但异步速度更快。在异步下，可以通过减少节点差异，将效果向同步对齐。
• 超参：节点数调整的时候，batchsize、学习率要相应的调整，保证收敛速度不变。

参数服务器训练基本理论

标签：框架   增量   zip   网络通信   文件的   eager   loader   最优   正是   

原文地址：https://www.cnblogs.com/wujianming-110117/p/14398491.html