作者：Carsten Jacobsen，开源开发者倡导者@Uber
摘录：Horovod在最新版本中支持更多框架，并引入了新功能以提高通用性和生产力。
Horovod是由Uber创建的分布式深度学习框架，它使分布式深度学习变得快速，且易于使用。Horovod使用TensorFlow、Keras、PyTorch和Apache MXNet改进训练机器学习（ML）模型的速度、规模和资源分配。LF Deep Learning是支持和维持人工智能和机器学习开源创新的Linux基金会项目，于2018年12月接受了Horovod作为其托管项目之一。该项目被托管以后，Uber以外的额外贡献和协作由于LF DL的中立环境、开放式治理和基金会为项目提供的一系列推动因素而出现。
最新版本中的更新以三个关键方式改进了Horovod：为更多框架添加支持和集成，改进现有功能，以及为TensorFlow 2.0带来的变化准备。综合起来，这些新功能和能力使Horovod更容易、更快速、更灵活、适用于不断增长的用户群，包括NVIDIA和Oak Ridge National Laboratory。Horovod还与各种深度学习生态系统集成，包括AWS、Google、Azure和IBM Watson。
在此版本中，添加了许多用于Horovod的新用例，目的是使框架成为培训深度学习模型的更通用工具。随着集成和支持框架的增加，用户可以利用Horovod加速大量开源模型，并在多个框架中使用相同的技术。
PySpark和Petastorm的支持
Apache Spark能够处理大量数据，可用于许多机器学习环境。易用性、内存处理功能、近实时分析以及丰富的集成选项，如Spark MLlib和Spark SQL，使Spark成为一种受欢迎的选择。
鉴于其可扩展性和易用性，Horovod得到了更广泛的基于Python的机器学习社区的兴趣，包括Apache Spark。随着PySpark支持和集成的发布，Horovod对更广泛的用户变得有用。
在Horovod之前，PySpark的典型工作流程，是在PySpark中进行数据准备，将结果保存在中间存储中，使用不同的群集解决方案运行不同的深度学习培训工作，导出训练的模型，并在PySpark中运行评估。Horovod与PySpark的集成允许在同一环境中执行所有这些步骤。
为了平滑Spark集群中PySpark和Horovod之间的数据传输，Horovod依赖于Petastorm，这是一个由Uber Advanced Technologies Group（ATG）开发的深度学习开源数据访问库。Petastorm于2018年9月开源，可直接从多TB数据集，进行单机或分布式培训，以及深度学习模型的评估。
典型的Petastorm用例需要在PySpark中预处理数据，将其写入Apache Parquet中的存储，这是一种高效的列式存储格式，并使用Petastorm读取TensorFlow或PyTorch中的数据。
Apache Spark和Petastorm也在Uber内部的某些应用程序中使用，因此扩展Horovod对PySpark和Petastorm的支持一直是使Horovod成为更多通用工具的过程中的自然步骤。
Apache MXNet的支持
Apache MXNet（孵化）是一个开源深度学习框架，可以促进更灵活、更有效的神经网络培训。亚马逊是Horovod和MXNet的重要贡献者，并且在Amazon EC2 P3实例和Amazon SageMaker上原生支持这两个框架。
就像最近对PySpark的支持一样，Horovod与MXNet的整合是将Horovod提供给更广泛社区的更大努力的一部分，进一步扩大了对更快更轻松的模型培训。
自动调节
最新版本的第三次更新是Horovod推出自动调节的alpha版本。在此版本中，自动调整是可选的，但在将来的版本中它将默认打开。
Horovod支持许多内部参数，可以调整这些参数以提高硬件和模型架构变化的性能。这些参数包括融合缓冲门槛
（fusion buffer threshold），用于确定可以将多个张量（tensor）一起批量合并为单个allreduce、用于控制allreduce批次的频率的循环时间、以及当主机数量变得非常大时，作为单环allreduce的替代方案的分层allreduce 。
找到这些参数的正确值，可以使性能提高多达30％。但是，手动尝试不同的参数是一种耗时的反复试验。
Horovod的自动调节系统，通过使用贝叶斯（Bayesian），优化动态探索和选择最佳内部参数值来消除猜测。
自动调节会自动化手动过程，执行尝试不同选项和参数值，以确定最佳配置，如果硬件、比例或模型发生变化，必须重复这些配置。由于自动化，自动调节使参数优化更有效，可以加快模型培训速度。
嵌入的改进
嵌入通常用于涉及自然语言处理（NLP）和从表格（tabular）数据学习的机器学习用例。在Uber的数据存储区，Uber旅程数据存储为表格数据，这些数据具有一些分类界限。在像Uber这样的用例中，嵌入的数量和嵌入的大小将会扩展。在最新版本中，Horovod增强了其扩展深度学习模型的能力，这些模型大量使用嵌入式设备，例如Transformer和BERT。
此外，这些嵌入改进更快地促进了大嵌入梯度（gradient），以及小嵌入梯度的融合，允许更多数量的嵌入更快地处理操作。
TensorFlow的热切执行支持
热切执行（Eager execution）将是TensorFlow 2.0中的默认模式。热切执行允许开发者在命令式编程环境中创建模型，其中立即评估操作，并将结果作为实际值返回。热切执行消除了创建会话（session）和使用图形的需要。
凭借对动态模型的热切执行支持，模型评估和调试变得更加容易和快捷。对于缺乏经验的开发者而言，热切执行也使得TensorFlow更直观。
在过去，运行Horovod的热切执行，意味着按顺序计算所有工人（worker）的每个张量梯度(tensor gradient)，没有任何张量批处理或并行性。在最新版本中，完全支持热切执行。在我们的实验中，使用热切执行的Tensor批处理，可将性能提高6倍以上。此外，用户现在可以使用TensorFlow的GradientTape的分布式实现来记录自动区分（differentiation）操作。
混合精确训练
混合精度是在计算方法中组合使用不同的数值精度。使用低于FP32的精度，可以通过使用更小的张量来减少内存需求，从而允许部署更大的网络。此外，数据传输花费的时间更少，计算性能也大幅提升。具有Tensor Core的GPU支持混合精度，使用户能够充分利用更低内存使用率和更快数据传输的优势。
深度神经网络的混合精确训练实现了两个主要目标：
- 减少所需的内存量，支持更大型号的培训或使用更大的小批量培训
- 通过使用低精度算法减少所需资源，缩短训练或推理时间
在过去，混合精确训练通常打断Horovod的融合逻辑，因为FP16张量的序列将经常被FP32张量打断，并且不同精度的张量不能参与单个融合事务。
在最新版本中，NVIDIA对张量融合逻辑做出了改进，允许FP16和FP32张量序列通过前瞻机制独立处理。通过这种变化，我们已经看到高达26％的性能提升。
想知道Horovod如何让你的模型训练更快，更具可扩展性？查看这些更新，并亲自试用该框架，并确保加入Deep Learning Foundation的Horovod公告和技术讨论邮件列表。
KubeCon + CloudNativeCon + Open Source Summit大会日期：
- 会议日程通告日期：2019 年 4 月 10 日
- 会议活动举办日期：2019 年 6 月 24 至 26 日
KubeCon + CloudNativeCon + Open Source Summit赞助方案
KubeCon + CloudNativeCon + Open Source Summit多元化奖学金现正接受申请
KubeCon + CloudNativeCon和Open Source Summit即将首次合体落地中国
KubeCon + CloudNativeCon + Open Source Summit购票窗口，立即购票！
CNCF邀请你加入最终用户社区