边缘计算环境下用于分布式DNN训练的梯度压缩方法
基本信息
| 申请号 | CN202110766163.0 | 申请日 | - |
| 公开（公告）号 | CN113467949A | 公开（公告）日 | 2021-10-01 |
| 申请公布号 | CN113467949A | 申请公布日 | 2021-10-01 |
| 分类号 | G06F9/50（2006.01）I;G06N3/04（2006.01）I;G06N3/08（2006.01）I | 分类 | 计算；推算；计数; |
| 发明人 | 毛莺池;吴俊;聂华;黄建新;徐淑芳;屠子健;戚荣志;郭宏乐 | 申请（专利权）人 | 中科可控信息产业有限公司 |
| 代理机构 | 南京乐羽知行专利代理事务所（普通合伙） | 代理人 | 李玉平 |
| 地址 | 211100江苏省南京市江宁开发区佛城西路8号 | ||
| 法律状态 | - | ||
摘要
| 摘要 | 本发明公开一种边缘计算环境下用于分布式DNN训练的梯度压缩方法，建立基于梯度数量的选择标准，筛选满足模型压缩标准的梯度网络层；根据梯度熵评估梯度重要性，自适应地选择梯度稀疏化的阈值，基于灵活的阈值对梯度稀疏化压缩；根据梯度残差和动量矫正机制，累积并优化梯度残差，减少梯度稀疏造成训练模型的性能损失；根据三元量化压缩方案，量化稀疏后的梯度，得到稀疏三元张量；根据无损编码技术，记录传递张量中非零梯度的距离，并对其优化编码，输出稀疏三元化梯度。本发明基于梯度数量和梯度熵的稀疏三元梯度压缩算法，能自适应地压缩分布式DNN训练中梯度交换阶段的梯度大小，有效地提高分布式DNN训练的通信效率。 |
