本文经AI新媒体量子位（公众号ID:QbitAI）授权转载，转载请联系出处。
对土豪来说最痛苦的是什么，就是有一大堆硬件却不能实现1+1=2的效果。
AI训练中的并行计算就是如此，纵使你有一千张GPU，也无法实现单机训练一千倍的效果。
最近，不差钱的谷歌，开源了一种SEED RL框架，可以更容易地将AI训练放在几千台机器上运行，效果比之前的方法最高提升近4倍。
如果你也不差钱，在云端上进行大规模并行计算，那么可以节约80%的训练成本。考虑到现在一个大型AI模型动辄上百万的训练费用，真的是非常可观了。
在训练AI玩足球游戏这件事情上，SEED RL的处理速度可以达到每秒240万帧。如果以60fps计算，相当于每秒可处理11小时的游戏画面。
SEED RL体系架构
上一代的分布式强化学习智能体IMPALA，其体系架构中包含Actor和Learner两部分。
Actor通常在CPU上运行，并且在环境中采取的步骤与对模型进行推断之间进行迭代，以预测下一个动作。
Actor经常会更新推理模型的参数，并且在收集到足够数量的观测结果后，会将观测结果和动作的轨迹发送给Learner，从而对Learner进行优化。
在这种架构中，Learner使用来自数百台机器上的分布式推理输入在GPU上训练模型。
但IMPALA存在着许多缺点：
1、使用CPU进行神经网络推理，效率低下。而且随着模型变大、运算量变大，问题会越来越严重。
2、Actor和Learner之间模型参数的带宽成为性能的瓶颈。
3、资源利用效率低，Actor在环境和推理两个任务之间交替进行，而这两个任务的计算要求不同，很难在同一台机器上充分利用资源。
SEED RL体系架构解决了以上这些缺点。Actor可以在GPU、TPU这类AI硬件加速器上完成推理，通过确保将模型参数和状态保持在本地来加快推理速度，并避免数据传输瓶颈。
与IMPALA体系结构相反，SEED RL中的Actor仅在环境中执行操作。Learner在硬件加速器上使用来自多个Actor的成批数据来集中执行推理。
SEED RL在每个环境步骤将观测结果发送给Learner的同时，使用gPRC框架的网络库，将延迟保持在较低水平。这使SEED RL在一台机器上每秒最多可以实现一百万个查询。
Learner可以扩展到几千个核心上，Actor的数量可以扩展到几千台机器，从而实现每秒百万帧的训练速度。
SEED RL用到了两种最先进的算法：V-trace和R2D2。
V-trace负责从采样的动作中预测动作的分布，R2D2负责根据动作的预测未来值选择一个动作。
V-trace是基于策略梯度的方法，最早被IMPALA采用。由于Actor和Learner是异步执行，而V-trace在异步体系架构中的效果很好
第二种算法是R2D2，这是一种Q学习方法，DeepMind曾用这种算法将强化学习智能体在Atari游戏上的水平提高了4倍，并在52款游戏上超过了人类水平。
这种方法允许Q学习算法大规模硬件上运行的同时仍然可以使用RNN。
实验结果
谷歌在DeepMind最近研究的开源足球游戏项目Google Research Football中进行了基准测试。
使用64个Cloud TPU核心实现了每秒240万帧的数据传输速度，与之前的最新分布式IMPALA相比，提高了80倍。
IMPALA要想达到相同的速度，需要14000个CPU，而SEED RL只用了4160个CPU。对于相同的速度，IMPALA需要的CPU是SEED RL的3~4倍。
通过对并行计算的硬件加速器进行优化，我们就可以放心大胆地提高模型的大小。
在上面的足球游戏任务中，通过增加模型大小和输入分辨率，可以解决从前未能解决的一些困难，让训练模型的效率大幅提高。
传送门
论文地址：
https://arxiv.org/abs/1910.06591
GitHub地址：
https://github.com/google-research/seed_rl
