×

HOGWILD公司

swMATH ID: 28396
软件作者: Feng Niu、Benjamin Recht、Christopher Re、Stephen J.Wright
描述: 万岁!:一种并行化随机梯度下降的无锁方法。随机梯度下降(SGD)是一种流行的算法,可以在各种机器学习任务中实现最先进的性能。一些研究人员最近提出了并行化SGD的方案,但都需要性能破坏内存锁定和同步。这项工作旨在通过新颖的理论分析、算法和实现证明,SGD可以在没有任何锁定的情况下实现。我们提出了一个名为HOGWILD!的更新方案!它允许处理器访问共享内存,并有可能覆盖彼此的工作。我们表明,当相关优化问题稀疏时,意味着大多数梯度更新只修改决策变量的一小部分,然后是HOGWILD!达到接近最佳的收敛速度。我们通过实验证明HOGWILD!优于使用一个数量级锁的替代方案。
主页: https://arxiv.org/abs/1106.5730
关键词: 优化;arXiv_方式OC;机器学习;arXiv_cs.LG公司;随机梯度下降法;新加坡元
相关软件: 传奇;A锁定;阿达格拉德;ImageNet公司;亚当;RCV1型;CIFAR公司;伦敦银行支持向量机;AlexNet公司;L-BFGS公司;PDCO公司;TensorFlow公司;特恩格拉德;DSCOVR公司;格尔姆奈特;阿达德尔塔;DiSCO公司;PyTorch公司;SHOGUN公司;L-BFGS-B型
引用于: 63出版物

标准条款

1出版物描述软件 年份
万岁!:一种并行化随机梯度下降的无锁方法
Feng Niu、Benjamin Recht、Christopher Re、Stephen J.Wright
2011
全部的 前5名

185位作者引用

6 马丁·塔卡
4 徐阳阳
4 尹沃涛
乔丹、迈克尔·欧文
彼得·里奇塔里克
斯蒂芬·赖特。
2 Frank E.柯蒂斯。
2 马丁·贾吉
2 刘,季
2 马晨欣
2 迈克尔·马奥尼。
2 豪尔赫·诺塞达尔
2 彭志敏
2 Ré,Christopher M。
2 严,明
1 迪帕克·阿加瓦尔
1 维塔利·阿克塞诺夫
1 Dan Alistarh
1 安爱君
1 弗朗西斯·巴赫。
1 朱塞佩·贝尔吉奥索奥
1 维克托·比托夫
1 尼古拉斯·博菲(Nicholas M.Boffi)。
1 莱昂·博图
1 理查德·伯德。
1 洛丽斯·坎内利
1 曹明
1 岑世聪
1 卡洛·塞内德斯
1 张宗辉
1 陈宝新
1 陈杰
1 陈,柯
1 陈梦强
1 陈伟珠
1 陈玉新
1 LoongFah Cheong
1 池跃杰
1 Gillian M.钦。
1 周殷兰
1 威廉·W·科恩。
1 安德鲁·克罗恩
1 詹姆斯·韦尔登·德梅尔
1 阿迪蒂亚·德瓦拉孔达
1 苏哈斯·N·迪加维。
1 丁、胡
1 尼古拉斯·丁格尔。
1 大卫·德雷珀
1 海蒙蒂杜塔
1 Dvurechensky,Pavel E。
1 Jennifer B.Erway。
1 弗朗西斯科·法奇尼
1 法格里、法塔什
1 冯伟明
1 西蒙·福特
1 基蒙·方图拉基斯
1 高斌
1 亚历山大五世·加斯尼科夫。
1 塞尔吉奥·格拉马蒂科
1 迈克尔·格拉尼策
1 乔舒亚·格里芬。
1 郭斌斌
1 穆特,古尔布兹巴拉班
1 罗伯特·汉纳
1 哈德里安·亨德里克斯
1 洪明毅
1 胡永刚
1 黄紫云
1 弗兰克·伊特泽勒
1 杰恩,普拉蒂克
1 Sham M.卡卡德。
1 内森·卡卢斯
1 堪萨斯州卡拉库斯
1 西普拉内斯省卡里米雷迪
1 拉胡尔·基达姆比
1 亚历克·科佩尔
1 邝迪
1 维亚切斯拉夫·孔古尔采夫
1 西蒙·朱利安(Simon Lacoste-Julien)
1 老挝、倪
1 雷米·勒布朗德
1 Lee,Choon Meng先生
1 李,东哈
1 李博悦
1 李欢
1 李,秦
1 林启航
1 林,周晨
1 刘浩阳
1 刘建国
1 刘俊峰
1 刘欣
1 刘扬伟
1 罗志泉
1 马世谦
1 马树明
1 莱斯特·麦基
1 杰罗姆·马利克
1 弗雷德里克·马尔曼·特伦
1 马尼亚,霍里亚
…还有85位作者

按年份列出的引文