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
- mysql 有没有参数都报错“mysql: unknown option”
报错: [root@XXXX tmp]# mysql -uroot -pmysql: unknown option '--You have new mail in /var/spool/mail/ro ...
- Vmware10中Centos7挂载Windows主机的共享文件夹,提示:Error: cannot mount filesystem: No such device
1.设置共享权限 2.安装VMware tools 点击虚拟机 点击安装 VMware tools 将/run/media/zhaojq/VMware\ Tools 目录下的VMwareTools-9 ...
- 23 python初学（模块和包）
模块(module): 好处: 提高代码可维护性 + 编写代码不必从零开始 模块有三种: python标准库.第三方模块.应用程序自定义模块 另外,使用模块还可以避免函数名和变量名冲突,相同名字的函数 ...
- 领域驱动设计系列文章（2）——浅析VO、DTO、DO、PO的概念、区别和用处
本篇文章主要讨论一下我们经常会用到的一些对象:VO.DTO.DO和PO. 由于不同的项目和开发人员有不同的命名习惯,这里我首先对上述的概念进行一个简单描述,名字只是个标识,我们重点关注其概念: 概念: ...
- Redis入门之增删改查等常用命令总结
Redis是用C语言实现的,一般来说C语言实现的程序"距离"操作系统更近,执行速度相对会更快. Redis使用了单线程架构,预防了多线程可能产生的竞争问题. 作者对于Redis源代 ...
- 传统C/S软件的"断骨增高"
前言: 由于院内临床业务需要高频强功能的用户界面互操作性要求,使得在HIT行业中存在大量的C/S型软件,尽管B/S软件应用范围正在扩大,但在很多场景中,C/S软件仍然顽强的生存和发展着. 不过随着行业 ...
- JS操作数组-2
1. 找出数组 arr 中重复出现过的元素 function duplicates(arr) { var result = []; var count = []; for (var i=0;i< ...
- app.use和app.get，app.post区别
express中,express的实例app: app.use(path,callback)中的callback既可以是router对象又可以是函数 app.get(path,callback)中的c ...
- Data Governance
https://erwin.com/blog/data-preparation-mapping/
- idea2018.3.5永久破解教程
视频教程地址: http://v.youku.com/v_show/id_XNDEwNDU1NjQ4MA==.html 配套笔记: ①修改配置文件 -Xms128m -Xmx750m -XX:Rese ...