IBM推出全新机器学习库Snap ML，高出现有基准性能46倍

古城微笑少年丶 2022-02-22 04:58 208阅读 0赞

**AI前线导读：**在拉斯维加斯举行的IBM THINK 2018大会上，IBM宣布了一项与机器学习性能有关的重大突破。他们使用一组由Criteo实验室发布的广告数据集（包含了40亿个训练样本）来训练逻辑回归分类器，结果只花了91.5秒就完成了整个训练过程，这一成绩比之前报告的最好成绩快了46倍。2017年2月，谷歌云官方博客披露了一组实验数据，他们在谷歌云平台上使用TensorFlow训练同样的模型，结果花了70分钟。

\\\\

**更多干货内容请关注微信公众号“AI 前线”，（ID：ai-front）**

\\\\

位于苏黎世IBM研究室的一个团队在过去两年开发了一个新的机器学习库，叫作Snap ML（IBM Snap Machine Learning）。之所以把它叫作Snap，是因为他们相信用它来训练模型也就是弹指一挥间的事。这个机器学习库提供了非常快的训练速度，可以在现代CPU或GPU系统上训练主流的机器学习模型，或者在有新数据可用时保证已有模型的速度保持在线速水平（也就是网络能够支持的最快速度），这意味着更低的计算成本、更少的能源消耗和更快的开发速度。

\\\\

## 与时间赛跑 ##

\\\\

数据的增长为机器学习和人工智能的大规模应用奠定了基础。大数据集为训练出丰富的模型提供了更多可能性，但当训练样本或特征达到数十亿的规模时，即使是训练最简单的模型也需要花费很长时间。在为关键应用（如天气预报和金融欺诈检测）研究、开发和部署大规模的机器学习模型时，过长的时间周期将成为严重障碍。

\\\\

Snap ML适用于多种场景。首先是拥有大量数据的应用程序，在这种场景下，需要解决训练时间瓶颈问题。其次是实时或近实时的应用程序，在这种场景下，模型会快速发生变更，同样对训练速度提出了很高的要求。第三个是集成学习（Ensemble Learning）领域。众所周知，现如今要想在数据科学领域的竞争中胜出，很大程度上要依赖大型的模型群组。为了设计出有竞争力的模型群组，数据科学家通常需要花费大量的时间去尝试各种模型组合和大量的超参数。在这种情况下，只有把训练速度提升一个数量级，才有可能加快研发速度，以便在竞争中胜出。

\\\\

机器学习的效率、结果和洞见对于大大小小的企业来说都至关重要，而机器学习需要消耗大量的计算资源。计算资源的成本在持续攀升，所以对于企业来说，时间就是金钱。

\\\\

Snap ML采用最先进的算法和最优的系统设计，充分利用硬件资源，从而提供了更快的训练速度。Snap ML的三个主要特性如下：

\\\\

*  **分布式训练**：Snap ML是一个可以自由伸缩的数据并行框架，训练数据集可以超出单台机器的内存容量，这对于大型应用程序来说至关重要。\\\\t
 *  **GPU加速**：Snap ML实现了一些特殊的程序，可以充分利用GPU的并行特性，同时在GPU内存中保留数据，减少数据传输开销。\\\\t
 *  **稀疏数据结构**：大部分机器学习数据集都是稀疏的，为此，他们对稀疏数据结构的相关算法进行了优化。\\

## 万亿级别的基准测试 ##

\\\\

由Criteo实验室发布的广告点击日志训练数据集包含了40亿个训练样本，每个样本都有一个“标签”和一组相关的匿名特征，其中标签用于标识样本是否由用户点击在线广告所生成。基于这组数据集进行机器学习，可以预测出新用户是否有可能点击某个广告。这个数据集是目前公开发布的最大的可用数据集之一，带有24天广告数据，平均每天包含1亿6千万个训练样本。

\\\\

Snap ML团队将Snap ML部署在IBM Power System AC922服务器上，每台服务器配备了4个NVIDIA Tesla V100 GPU和两个Power9 CPU，它们通过NVLINK 2.0接口与主机连接，而服务器之间则通过无限带宽网络进行通信。他们在这些服务器上训练了一个逻辑回归分类器，时间为91.5秒，损失为0.1292。

\\\\

2017年2月，谷歌花了70分钟在他们的云平台上使用TensorFlow训练同样的数据集。而且，他们使用了60台工作机和29台参数机。相比TensorFlow，Snap ML获得相同的损失，但速度却快了46倍。

\\\\

在训练过程中需要解决的一个主要技术问题是，如何将那么大的数据集塞进GPU内存中。因为数据集太大，GPU内存又很小，在训练过程中就需要不断地将数据移进移出GPU内存。为了分析GPU内核和数据拷贝分别花了多少时间，他们使用了数据集的一小部分进行测试，只选取了2亿个训练样本，并分别在两种硬件配置上运行：

\\\\

1.  配备1个NVIDIA Tesla V100 GPU和Xeon Gold 6150 2.70GHz CPU的服务器，使用了PCI Gen 3接口。\\\\t
2.  配备4个NVIDIA Tesla V100 GPU和IBM Power System AC922的服务器，使用了NVLINK 2.0接口。\\

![5c398794a9ce55c1552b6dfd2ca84e60.jpg][]

\\\\

上图（a）展示的是第一种配置的运行情况。图中有S1和S2两条线。S1是实际用于训练的时间，可以看到，每个数据块的训练时间大约为90毫秒。S2是用于拷贝数据的时间，从图中可以看到，拷贝数据需要耗费318毫秒。这么看来，拷贝数据是训练的瓶颈所在。

\\\\

上图（b）展示的是第二种配置的运行情况。可以看到，因为NVLINK 2.0接口提供了更大的带宽，用于拷贝数据的时间降到了55毫秒，所以整体速度提升了3.5倍。

\\\\

## Snap ML系统简析 ##

\\\\

Snap ML实现了多个层级的并行，以便在集群的多个节点上分摊工作负载，充分利用加速器单元和计算单元的多核并行能力。

\\\\

**第一层并行**

\\\\

![88d2cd441b01af0081c1a12ec79a01b1.jpeg][]

\\\\

第一层并行是指跨集群多个工作节点运行。训练数据分布在多个工作节点上，通过网络接口连接到一起。因为有了这种数据并行能力，才能够打破单台设备的内存限制，训练大规模的数据集。

\\\\

**第二层并行**

\\\\

![9b943d72a420a7d90d93449411ab33ec.jpeg][]

\\\\

在每个工作节点上，可以通过将工作负载分摊给主机和加速器单元来获得并行能力。不同的工作负载可以同时被执行，工作节点的硬件资源得到了充分利用。

\\\\

**第三层并行**

\\\\

![6669026b2ccf5f4be41565e63cef0120.jpeg][]

\\\\

为了更进一步有效利用计算资源，Snap ML实现了一些特殊的程序，可以充分利用现代GPU的并行能力，同时也开发了一些多线程代码，用于处理CPU的工作负载，这就实现了第三个层级的并行。

\\\\

## 性能评测 ##

\\\\

研究人员对Snap ML进行了性能评测，让它运行在不同配置的硬件上，并将它与sklearn、TensorFlow和Apache Spark进行对比。

\\\\

评测所使用的机器学习应用程序是互联网界较为热门的点击率预测（Click-Through Rate Prediction，CTR）。CTR是一种大规模的二元分类应用，基于一系列匿名特征来预测一个用户是否会点击一个广告。

\\\\

评测所使用的数据集是由Criteo提供的广告点击数据集，他们使用前23天的数据进行模型训练，然后使用最后一天的数据进行性能测试。数据集的详细信息如下表所示：

\\\\

![13c9dd3dc51f0a489ce5b06cfb7307aa.jpeg][]

\\\\

**单节点性能**

\\\\

单节点测试主要是要测出Snap ML在单台服务器上运行的性能，测试内容是训练一个逻辑回归分类器，并使用相同的正规化参数（λ = 10），然后比较Snap ML与sklearn和TensorFlow之间的差别。测试使用的是criteo-kaggle数据集，它的大小是11GB，可以塞进单台机器或单个GPU的内存里。服务器是IBM Power System AC922，配备了4个NVIDIA Tesla V100 GPU，并使用了NVLINK 2.0接口，不过在实际运行中只用了其中的一个GPU。结果如下图所示。

\\\\

![aead81550f2fa90c18819833f01fa05e.jpeg][]

\\\\

从图中可以看出，TensorFlow使用了大约500秒，而sklearn只使用了200秒左右。这个可能是因为sklearn把全部数据集都装入内存，而TensorFlow则是每次从磁盘上读取一批数据。当然，成绩最好的是Snap ML，只花了大约20秒，比前两个框架快一个数量级，这要归功于Snap ML团队开发的GPU处理程序。

\\\\

**多节点性能**

\\\\

多节点测试主要是要测出Snap ML在集群上训练模型的性能，总共进行了两次测试。在第一次测试中，本地训练数据可以完全塞进GPU内存中，他们分别训练了一个线性回归模型（Linear Regression）和一个支持向量机模型（SVM），并将结果与Spark MLLib进行对比。第二次主要测试在本地训练数据无法完全塞进GPU内存的情况下，Snap ML将会有怎样的表现。多节点测试使用的是criteo-1b数据集，它的大小是274GB，普通的单台机器无法把它全部塞进内存。

\\\\

![d854b3e9dbf90dc70227d2cd11909aa5.jpeg][]

\\\\

从上图可以看出，在第一次测试中，在不启用GPU加速的情况下训练两种模型，Snap ML均比Spark MLLib快上不止一个数量级：训练线性回归模型快77倍，训练支持向量机模型快24倍。而在启用GPU加速的情况下，训练线性回归模型快2800倍，训练支持向量机模型快1000倍。

\\\\

第二次测试的内容是训练一个SVM分类器。训练集群包含了4个节点，每个节点配备了2个NVIDIA GTX 1080 Ti GPU。这种GPU有11GB内存，其中8G可用于存储数据。测试使用的二进制数据集criteo-1b大小为98GB，无法全部塞进单台服务器的GPU内存中。为了充分利用每个节点的GPU，他们结合使用了DuHL和CoCoA。

\\\\

下图展示的是启用GPU加速的训练时间、使用单线程CPU进行训练的时间，以及使用Snap ML提供的多线程CPU程序进行训练的时间。

\\\\

![dbd4c2aaa86a3058748f2ca5f5d6eef7.jpeg][]

\\\\

从图中可以看出，在启用GPU加速的情况下，即使训练数据无法完全塞进GPU内存，因为使用了DuHL，其训练速度比使用CPU的单线程或多线程都快了一个数量级。

\\\\

**大规模基准测试**

\\\\

这次测试使用了全部的42亿个训练样本，并把Snap ML部署在IBM Power System AC922服务器上，每台服务器配备了4个NVIDIA Tesla V100 GPU。测试内容是训练一个逻辑回归模型，并分别与TensorFlow、LIBLINEAR、Vowpal Wabbit和Spark MLLib已经公布的测试结果进行对比。

\\\\

![bb8dd9894fb419fbfdb5072130907e54.jpg][]

\\\\

从上图可以看出，Snap ML的训练速度比之前最好的成绩（TensorFlow）快46倍。

\\\\

如果读者想要进一步了解Snap ML的实现原理和算法细节，可以阅读其研究论文：

\\\\

https://arxiv.org/pdf/1803.06333.pdf

\\\\

报道原文链接：

\\\\

https://www.ibm.com/blogs/research/2018/03/machine-learning-benchmark/

\\\\

感谢蔡芳芳对本文的审校。

[5c398794a9ce55c1552b6dfd2ca84e60.jpg]: /images/20220222/63d302b8b1ec46a5b704db1bdb1050e6.png
[88d2cd441b01af0081c1a12ec79a01b1.jpeg]: /images/20220222/6f94b1f905e7467e9e13db7b135e7f29.png
[9b943d72a420a7d90d93449411ab33ec.jpeg]: /images/20220222/3ab4f9bd8ecc4968848e1f63299f7b07.png
[6669026b2ccf5f4be41565e63cef0120.jpeg]: /images/20220222/61e78a5c6d8846b29cc822669da84f84.png
[13c9dd3dc51f0a489ce5b06cfb7307aa.jpeg]: /images/20220222/74f2ed316e6c494d8937bf132f329b7d.png
[aead81550f2fa90c18819833f01fa05e.jpeg]: /images/20220222/9172d097673844e9bad0ac30bf69dbbd.png
[d854b3e9dbf90dc70227d2cd11909aa5.jpeg]: /images/20220222/5c76235c13b349f282630a6521dd8ed2.png
[dbd4c2aaa86a3058748f2ca5f5d6eef7.jpeg]: /images/20220222/f3bf1dd4b33846af82b0d4fcf49f7b64.png
[bb8dd9894fb419fbfdb5072130907e54.jpg]: /images/20220222/bdff6f451aa6454cb9220fa86ecab4e5.png