Data Parallelism vs Model Parallelism
默认情况下，MXNet使用数据并行在多个设备上划分工作负载。假设有n个device。然后每个device都会收到一份完整模型的副本，并根据1/n的数据对其进行训练。梯度和更新模型等结果通过这些设备进行通信。
MXNet还支持模型并行。在这种方法中，每个设备只保留模型的一部分。当模型太大而无法安装到单个设备上时，这是有用的。作为一个例子，请参阅这个教程，它展示了如何使用模型并行性来训练多层LSTM模型。而本教程将重点介绍数据并行。
Multiple GPUs within a Single Machine
Workload Partitioning - 负载分区
默认情况下，MXNet在可用的gpu之间均匀地划分数据批。假设批量大小为b，并且假设有k个GPU，那么在一次迭代中，每个GPU将对b/k示例执行正向和反向操作。然后在更新模型之前，对所有gpu上的梯度求和。
使用方法：
import mxnet as mx module = mx.module.Module(context=[mx.gpu(0), mx.gpu(2)], ...)
高级用法：
如果可用的gpu不是同一档次的，那么我们可以相应地划分工作负载。例如，如果GPU 0比GPU 2快3倍，那么我们可以使用work load选项work_load_list=[3，1]，参阅Module以了解更多详细信息。
如果所有其他超参数相同，使用多个GPU的训练应产生与在单个GPU上训练相同的结果。在实际应用中，由于I/O（随机顺序或其他增强）的随机性、不同种子的权重初始化和CUDNN，结果可能会显示出很小的差异。
可以通过支持数据通信的MXNet模块KVStore来控制在哪些设备上聚合梯度，以及在哪些设备上更新模型。可以使用mx.kvstore.create（type）以获取实例或使用程序标志--kv-store type。
type值常用的有两个：
- loacl：所有梯度都被复制到CPU内存中，权重在那里更新。
- device：梯度聚合和权重更新都在gpu上运行。通过此设置，KVStore还尝试使用GPU对等通信，这可能会加速通信。注意此选项可能导致更高的GPU内存使用率。
当使用大量的gpu时，例如>=4，建议使用device以获得更好的性能。
Distributed Training with Multiple Machines
多机分布式训练
KVStore还支持在多台机器上运行的许多选项。
- dist_sync与local类似，但有一个主要的区别。使用dist_sync，batch size为每台机器上使用的批大小。因此，如果有n台机器，并且我们使用批大小b，那么dist_sync的行为与批大小n*b类似。
- dist_device_sync与dist_sync类似。它们之间的区别在于，dist_device_sync在gpu上聚合梯度并更新权重，而dist_sync在CPU内存上执行此操作。
- dist_async执行异步更新。当从任何机器接收到梯度时，权重都会更新。同一个权重不会同时有两个更新。更新顺序并不能保证。