基于双层索引嵌入层的推荐模型分布式训练方法及GPU

摘要

本发明提供一种基于双层索引嵌入层的推荐模型分布式训练方法及GPU，所述方法包括：于服务器节点和计算节点对于嵌入层向量分别构造两层索引，其中，所述服务器节点内为静态索引，所述计算节点内为动态索引；在所述服务器节点引入采样器，根据采样数据制定分片策略；在所述计算节点引入乒乓缓冲区读取和写入嵌入层向量，并基于相邻迭代的输入预取所述嵌入层向量，形成数据预取流水线。本发明能够在确保模型预测性能不下降的前提下，提升了推荐模型训练的总吞吐量，增强了分布式训练的可扩展性，有效地支持大规模嵌入层推荐模型的训练。