读书网

92（第1页）

汤珈树便主动开腔道：“刘工，我上午查日志，发现咱们排序模型每晚增量训练都卡在梯度同步，是不是用的ALLReduce后更新？”

刘亮终于肯认真地看他一眼，带着审视的意味，问：“之前好像没见过你，新来的？”

汤珈树笑着朝他递出手，自我介绍：“对，我是昨天刚入职的，汤珈树，你叫我小汤就好。”

刘亮顿了一秒，才伸手跟他握了握，接着问：“你权限还没开全吧？怎么看到的日志？”

“从训练耗时波动反推的，我想了一下，如果改用异步参数服务器加局部聚合，跨机房通信量能砍半，不过需要解决陈旧梯度问题。”

刘亮轻哼一声，不以为然道：“这方案去年试过了，worker延迟差异导致AUC下降0.8%，不可行。”

汤珈树笑得谦逊：“那要不要试试加动态补偿项呢？”他说着，解锁手机，点进一则网页递到刘亮面前，“喏，比如这篇ICML论文提到的，用牛顿叠代法预估梯度偏移，我复现过能收敛，但要把pytorch的通信后端魔改----”

刘亮倏然打断他，眼睛里迸射出光彩来：“魔改MPI层？那要怎么规避死锁？”

“把全局barrier拆成带超时的分段校验，参考Ray框架的分布式容错设计。”汤珈树对答如流。

刘亮沉默半晌，话锋陡地一转：“你现在在哪个项目上？”

汤珈树莞尔：“我这才刚入职，还没来得及进项目呢。”

“那就来我的项目组吧，”刘亮果断道：“我这儿正好缺个你这样的副组长。”

汤珈树露出犹豫神色：“这……需要先问过胡总吗？”

“我下午就去找胡总。”刘亮抽了张纸巾擦嘴，对他用上了礼貌用语：“我吃好了，你慢用。”

汤珈树冲他颔首微笑：“刘工慢走。”

一场食堂“偶遇”，次日汤珈树就接到正式通知，他以副组长的身份加入刘亮的项目组，也顺利拿到代码仓库的读取权限，得来全不费工夫。