【ASPLOS '19】Hop: Heterogeneity-aware Decentralized Training
[ASPLOS '19] Hop: Heterogeneity-aware Decentralized Training算法 最近的工做代表，在机器学习的环境中，分散式算法能够提供优于集中式算法的性能。这两种方法的主要区别在于它们独特的通讯模式，这两种方法都易于在异构环境中下降性能。尽管已经作出了巨大努力来支持针对异构性的集中式算法，可是关于该问题的分散式算法却鲜有研究。本文提出了Hop，这是第一
相关文章
- 1. Decentralized Identifiers (DIDs)
- 2. （IS 19）wav2vec: Unsupervised Pre-training for Speech Recognition
- 3. DV-Hop算法
- 4. BGP-20190320-next-hop-self
- 5. ACL 19 论文阅读---Cognitive Graph for Multi-Hop Reading Comprehension at Scale （待完善）
- 6. DV-Hop算法原理
- 7. BGP属性分析--Next-hop
- 8. DV-HOP定位算法
- 9. Communication-Efficient Learning of Deep Networks from Decentralized Data
- 10. co-training和tri-training
- 更多相关文章...
- • Docker 容器连接 - Docker教程
- • Docker 容器使用 - Docker教程
- • 为了进字节跳动，我精选了29道Java经典算法题，带详细讲解
相关标签/搜索
每日一句
-
每一个你不满意的现在，都有一个你没有努力的曾经。
欢迎关注本站公众号,获取更多信息
相关文章
- 1. Decentralized Identifiers (DIDs)
- 2. （IS 19）wav2vec: Unsupervised Pre-training for Speech Recognition
- 3. DV-Hop算法
- 4. BGP-20190320-next-hop-self
- 5. ACL 19 论文阅读---Cognitive Graph for Multi-Hop Reading Comprehension at Scale （待完善）
- 6. DV-Hop算法原理
- 7. BGP属性分析--Next-hop
- 8. DV-HOP定位算法
- 9. Communication-Efficient Learning of Deep Networks from Decentralized Data
- 10. co-training和tri-training