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. hpuoj--校赛--送给新生的礼物（水题）
			
    问题 A: 感恩节KK专场--送给新生的礼物 时间限制: 1 Sec  内存限制: 128 MB 提交: 631  解决: 187 [提交][状态][讨论版] 题目描述 学长KK要送给学弟学妹们礼物, ...
    
			
    2. 
						
  2. Android TabLayout添加自定义分割线并且可以修改分割线高度
			
    为TabLayout添加分割线,显示的效果如下(红框内部分): 分割线 首先添加个竖线xml名为layout_divider_vertical: LinearLayout linearLayout = ...
    
			
    3. 
						
  3. iOS崩溃日志
			
    今天看crash report ,有这样两个crash: 调用 stopUpdatingLocation 函数的是一个CLLocationManager 类型的对象,为什么报错的时候会把这个对象转成N ...
    
			
    4. 
						
  4. vue1.0父子、兄弟间 通信案例
			
    <!DOCTYPE html> <html lang="en"> <head> <meta charset="UTF-8&quo ...
    
			
    5. 
						
  5. Ubuntu14.04下tensorflow安装
			
    自己电脑没装双系统,于是决定在虚拟机里装个tensorflow,以下是安装过程: 1.安装anaconda2 for Linux 官网下的话很慢,去清华的镜像网站下吧,我上一篇文章有网址 安装:bas ...
    
			
    6. 
						
  6. hadoop的mapReduce和Spark的shuffle过程的详解与对比及优化
			
    https://blog.csdn.net/u010697988/article/details/70173104 大数据的分布式计算框架目前使用的最多的就是hadoop的mapReduce和Spar ...
    
			
    7. 
						
  7. php数据类型及运算
			
    数据类型: 标量类型: int(intege), float, string, bool 复合类型: array, object 特殊类型: null, resouce进制转换十进制转二进制decb ...
    
			
    8. 
						
  8. DedeCMS筛选简单实现方法不改后台源文件
			
    笔者在前面几篇文章中提到的dedecms筛选的实现方法,对新手来说实现过程较复杂.接下来分享一个最简单的实现在移动端上筛选功能. 最近在筹备移动端企业站,实现功能有:实现一个管理后台管理PC端和移动端 ...
    
			
    9. 
						
  9. es6 学习2 模板字符
			
    es6模板字符简直是开发者的福音啊,解决了ES5在字符串功能上的痛点. 1.第一个用途,基本的字符串格式化.将表达式嵌入字符串中进行拼接.用${}来界定 //es5 var name = 'lux'  ...
    
			
    10. 
						
  10. Vuex-一个专为 Vue.js 应用程序开发的状态管理模式
			
    为什么会出现Vuex 非父子关系的组件如何进行通信?(Event Bus)bus.js import Vue from 'vue'; export default new Vue(); foo.vue ...
    
			
    11.