Skip to content
New issue

Have a question about this project? Sign up for a free GitHub account to open an issue and contact its maintainers and the community.

Sign up for GitHub

By clicking “Sign up for GitHub”, you agree to our terms of service and privacy statement. We’ll occasionally send you account related emails.

Already on GitHub? Sign in to your account

Jump to bottom

分布式训练期间ps的cpu持续增长，训练效率下降问题 #1005

Open
Christian9971 opened this issue Aug 2, 2024 · 2 comments
Open

分布式训练期间ps的cpu持续增长，训练效率下降问题 #1005

Christian9971 opened this issue Aug 2, 2024 · 2 comments

Comments

@Christian9971
Copy link

训练期间ps的cpu使用率变化情况

image

训练期间chief的cpu使用率变化情况（worker类似）

image

训练期间每秒训练批次变化情况

image

tf1.15版本，使用1chief 1ps 4worker进行分布式训练，训练期间ps的cpu持续增长，chief和worker的cpu后续有降低的情况，每秒训练批次也变少了，这是因为什么原因？
@candyzone
Copy link
Collaborator

请使用perf 查看一下ps 进程的cpu时间主要消耗在哪些函数里面，再进一步分析这些消耗是否合理

@Christian9971
Copy link
Author

请使用perf 查看一下ps 进程的cpu时间主要消耗在哪些函数里面，再进一步分析这些消耗是否合理

8338E47F-127B-47E2-ABE7-08B05CC34B6A 发现cpu时间主要消耗在Lookup这里，请问有什么解决办法吗？

Sign up for free to join this conversation on GitHub. Already have an account? Sign in to comment
Assignees
No one assigned
Labels
None yet
Projects
None yet
Milestone
No milestone
Development

No branches or pull requests
2 participants
@candyzone @Christian9971