【技术实现步骤摘要】
【国外来华专利技术】使用分布式系统训练分类器模型时的容错恢复系统和方法
技术介绍
本专利技术在其一些实施例中涉及使用分布式系统训练分类器模型的系统和方法,更具体地但非排他地,涉及使用分布式系统训练分类器模型时的容错恢复系统和方法。在机器学习中,会使用训练数据集训练分类器模型。所述分类器模型由一组参数进行参数化。选择所述分类器模型,根据所述训练数据集来调整所述参数。从所述训练数据集计算出模型更新,并将其添加到模型中。使用计算出的模型更新,模型可以迭代地更新。使用分布式计算系统可以加速大规模机器学习问题的迭代训练。然而,当所述分布式计算系统的一个或多个处理器发生故障时,利用现有机制进行恢复会涉及较为复杂的计算,处理和/或数据存储资源成本高,并且较为缓慢和/或一般效率较低。
技术实现思路
本专利技术旨在提供一种使用分布式系统训练分类器的装置、系统、计算机程序产品和方法。上述及其它目的通过独立权利要求的特征来实现。根据从属权利要求、说明书以及附图,进一步的实现方式是显而易见的。根据第一方面,提供了一种训练分类器的系统,包括:机器学习(machinelearning,ML)工作节点,其包括至少一个处理器,用于计算经一组模型参数加以参数化的所述分类器模型的模型更新;参数服务器(ParameterServer,PS),其包括至少一个处理器,所述参数服务器用于向每个ML工作节点提供所述分类器模型,基于每个ML工作节点所提供的分类器模型来接收相应的模型更新,并使用每个接收到的模型更新来迭代地更新所述分类器模型;梯度数据集,每个梯度数据集都与相应的ML工作节点相关联,其中,每个梯度数据集内存储可以指示由相 ...
【技术保护点】
1.一种用于训练分类器的系统,其特征在于,包括:多个机器学习(machine learning,简称ML)工作节点,其中,每个节点包括至少一个处理器,用于计算由一组模型参数参数化的分类器模型的模型更新;参数服务器(parameter server,简称PS),其包括至少一个处理器,所述参数服务器用于向每个ML工作节点提供所述分类器模型,基于多个ML工作节点的每个节点所提供的分类器模型来接收相应的模型更新,并使用每个接收到的模型更新来迭代地更新所述分类器模型;多个梯度数据集,每个梯度数据集都与多个ML工作节点中的相应ML工作节点相关联,其中,每个梯度数据集内存储可以指示由相应ML工作节点计算的相应模型更新的模型更新标识(delta‑M‑ID),并存储与每个相应的delta‑M‑ID相关联的相应模型更新;全局数据集,其存储:与每个模型更新相关联的delta‑M‑ID,所述每个模型更新在每次迭代中由PS使用,用来更新所述分类器模型;ML工作节点标识(ML‑worker‑ID),其可以计算相应迭代中的与delta‑M‑ID相关联的模型更新;标记PS中分类器的新模型的模型版本MODEL‑VERS ...
【技术特征摘要】
【国外来华专利技术】1.一种用于训练分类器的系统,其特征在于,包括:多个机器学习(machinelearning,简称ML)工作节点,其中,每个节点包括至少一个处理器,用于计算由一组模型参数参数化的分类器模型的模型更新;参数服务器(parameterserver,简称PS),其包括至少一个处理器,所述参数服务器用于向每个ML工作节点提供所述分类器模型,基于多个ML工作节点的每个节点所提供的分类器模型来接收相应的模型更新,并使用每个接收到的模型更新来迭代地更新所述分类器模型;多个梯度数据集,每个梯度数据集都与多个ML工作节点中的相应ML工作节点相关联,其中,每个梯度数据集内存储可以指示由相应ML工作节点计算的相应模型更新的模型更新标识(delta-M-ID),并存储与每个相应的delta-M-ID相关联的相应模型更新;全局数据集,其存储:与每个模型更新相关联的delta-M-ID,所述每个模型更新在每次迭代中由PS使用,用来更新所述分类器模型;ML工作节点标识(ML-worker-ID),其可以计算相应迭代中的与delta-M-ID相关联的模型更新;标记PS中分类器的新模型的模型版本MODEL-VERSION,其是通过将模型更新与PS中的分类器的先前模型合并而计算的;模型下载数据集,其存储与分类器模型从PS至某个特定ML工作节点每一次传输相关联的ML-worker-ID和MODEL-VERSION。2.根据权利要求1所述的系统,其特征在于,当多个ML工作节点的第一个ML工作节点计算第一模型更新时,第一模型更新和与第一模型更新相关联的第一delta-M-ID存储在与第一ML工作节点相关联的第一梯度数据集中;当PS通过合并第一模型更新和分类器第一模型来创建分类器第二模型后,以下内容被存储到全局数据集中:第一模型更新的第一delta-M-ID、第一ML工作节点的ML-worker-ID和分类器第二模型的第二MODEL-VERSION;当多个ML工作节点的第二个ML工作节点从PS接收分类器第二模型时,分类器第二模型的第二MODEL-VERSION和第二ML工作节点的第二ML-worker-ID存储在模型下载数据集中。3.根据上述权利要求中任一项所述的系统,其特征在于,还包括:与PS相关联的控制器计算设备,其中,所述控制器用于:接收PS的多个处理器中的至少一个处理器的故障指示;访问模型下载数据集以识别第二个MODEL-VERSION以及下载第二个分类器模型的第二个ML-worker的关联第二个ML-worker-ID,其中第二个MODEL-VERSION表示第一MODEL-VERSION之后模型下载数据集中的最新条目;通过从模型下载数据集获得的第二ML-worker-ID来访问第二ML-worker,并根据从模型下载数据集获得的第二MODEL-VERSION来检索分类器第二模型;使用分类器第二模型初始化PS。4.根据权利要求3所述的系统,其特征在于,所述控制器用于:访问全局数据集以检索与第三MODEL-VERSION相关联的第三delta-M-ID和第三ML-worker-ID,其中,第三MODEL-VERSION表示第二MODEL-VERSION之后全局数据集中的最新条目;根据检索到的第三ML-worker-ID访问第三ML-worker,从而根据第三delta-M-ID检索第三模型更新;指示PS将第三模型更新与第二模型合并,以恢复分类器第三模型至发生故障前的对应的分类器第三模型。5.根据权利要求3或4所述的系统,其特征在于,所述控制器用于:接收第二ML-worker的多个处理器中的至少一个处理器的故障指示;访问模型下载数据集以识别第一个MODEL-VERSION以及下载第一个分类器模型的第一个ML-worker的关联第一个ML-worker-ID,其中第一个MODEL-VERSION表示第二MODEL-VER...
【专利技术属性】
技术研发人员:罗马·塔扬斯基,扎克·梅拉梅德,内坦·彼得弗洛恩德,吴祖光,
申请(专利权)人:华为技术有限公司,
类型:发明
国别省市:广东,44
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。