1. Abstract

基于variancereduction(VR)的SGD算法，比SGD更好，不论是theoretically and empirically，但是异步版本没有被研究。本文为很多VR算法提供了一个unifying framework，然后在这个框架中提出了一种异步算法，并证明了很快的收敛速度。对于通用的稀疏的机器学习问题，能够达到线性的加速。

2. Introduction

在强凸假设下，VR随机算法比SGD的期望收敛速度更快，VR分析了problem structure，做了一些space-time的trade-off，能够减少因为随机梯度带来的varince。需要将同步的VR算法扩展到异步的并行和分布式环境。

3. Related work:

3.1. Primal VR方法

• SAG(Minimizing Finite Sums with the StochasticAverage Gradient)

• SAGA(SAGA: A fast incremental gradient methodwith support for non-strongly convex composite objectives)

• SVRG(Accelerating stochastic gradient descent using predictive variance reduction)

• S2GD(Semi-Stochastic Gradient Descent Methods)

3.2. Dual VR方法

• SDCA(Stochastic dual coordinate ascent methods for regularized loss)

• Finito(Finito: A faster, permutable incremental gradientmethod for big data problems)

3.3. 分析Dual方法和VR随机方法之间关系

• New Optimization Methods for Machine Learning

3.4. VR的算法结构

VR的算法结构可以trace back to经典的非随机incremental梯度算法(Incremental gradient, subgradient, and proximal methods for convex optimization:A survey)，但是现在被公认的是，随机性帮助取得更快的收敛

3.5. Proximal方法

• A proximal stochastic gradient method with progressive variance reduction

3.6. 加速VR方法

• Stochastic Proximal Gradient Descent with Acceleration Techniques

• Accelerated mini-batch stochastic dual coordinate ascent)

3.7. 分析finite-sum问题lower-bound

• A lower bound for the optimization of finite sums

3.8. 异步SGD算法

并行variants

• Hogwild!: A Lock-Free Approach to Parallelizing Stochastic Gradient Descent

分布式variants

• Distributed delayed stochastic optimization

• Distributed asynchronous incremental subgradient methods

3.9. Coordinate descent方法的并行和分布式variants

• Asynchronous stochastic coordinate descent: Parallelism and convergence properties

• An asynchronous parallel stochastic coordinate descent algorithm

• An asynchronous parallel stochastic coordinate descent algorithm

• Iteration complexity of randomized block-coordinate descent methods for minimizing a composite function

3.10. mini-batch

• Mini-Batch Semi-Stochastic Gradient Descent in the Proximal Setting. 将S2GD扩展到mini-batch上，因此允许并行运行，但是需要更多的同步，只能允许小的batch

4. VR随机算法的通用框架

4.1. 假设条件

• L-Lipschitz条件
• lamda-strongly凸函数（也可扩展到smooth convex函数）

4.2. 已有VR算法

x是参数，alpha是额外的参数，A是alpha的集合

• SVRG每m轮iteration更新一次完整的A
• SAGA每轮iteration更新A中的一个alpha
• SAG也是每轮iteration更新一个alpha

4.3. 空间时间开销分析

• m较大时，SVRG的计算开销小，但是收敛速度慢
• SAG和SAGA更频繁地更新A，因此收敛速度更快，但是存储开销大

4.4. 通用算法

HSAG：结合不同VR算法的调度策略

5. 异步VR算法

类似HogWild!，单机多核环境，稀疏机器学习问题

6. 实验

• l2-LR算法
• 无锁的SVRG对训练步长（学习速度）和线程数的变化鲁棒性更强

7. 总结

• a common platform
• an synchronous algorithm