摘要
本申请实施例提供寄生参数提取神经网络分布式训练方法及装置,涉及集成电路技术领域。该方法在每个训练批次中利用数据推送进程获取每个处理设备的局部批次,在提高数据读取效率的同时节约内存,利用Horovod并行框架在处理设备上对寄生参数提取神经网络并行训练得到局部梯度,之后获取每个处理设备的局部BN层统计参数用来计算全局统计参数,将全局统计参数分发至每个处理设备进行BN层的数据更新,同时更新局部梯度,利用Horovod框架同步所有局部梯度确定模型更新参数,继续训练直至得到训练完成的寄生参数提取神经网络。在Horovod并行框架基础上实现跨卡批归一化同步操作,避免因局部批次过小而导致训练不收敛的情况,既能维持训练精度,又能提升训练效率。
技术关键词
寄生参数提取
分布式训练方法
训练样本数据
模型更新
互连线
进程
数据更新
框架
数据读取效率
流水线
导体
集成电路技术
点云
电子设备
处理器
队列
系统为您推荐了相关专利信息
施工脚手架
状态诊断系统
数字孪生模型
特征提取单元
施工管理平台
数字孪生模型
电网运行数据
动态更新方法
模型更新
节点
物资需求预测
决策支持系统
数据采集模块
构建数据仓库
数据存储