ModelMergeAndConverter（模型合并转换器） 转换前模型文件格式 转换命令 客户端模式 Angel任务模式 转换后文件格式说明 ModelMergeAndConverter（模型合并转换器） ModelMergeAndConverter与ModelConverter均可以将二进制的模型格式文件转换成文本格式，不同的是M...

Angel的设计理念 灵活性 性能 易用性 扩展性 稳定 Angel的设计理念 Angel的整体设计理念，是简约而不简单 ，做一个灵活而强大的参数服务器，并在此之上，提供多种机器学习算法，和PS服务，扩展为一个分布式机器学习平台。 因此，在开发之时，Angel从如下5个方向，对整体进行了改进和设计，并在它们之间进行了平衡。包括： 易...

Robust Regression 1. 算法介绍 2. 分布式实现 on Angel 3. 运行 & 性能 输入格式 参数 性能 Robust Regression 鲁棒回归模型（robust regression model）同样是对一个或多个自变量与一个因变量之间的关系进行建模，不同点在于其旨在克服传统参数和非参数方法的一些局限性...

Rendering-Views Rendering Views Example ViewGenerator Next Up… Rendering-Views Rendering Views Example ViewGenerator typedef Next Up… Rendering Views Just like r...

PyAngel快速入门 环境 编写和编译 提交任务 样例命令 Example Code 新版本 PyAngel快速入门 环境 Linux任意发行版本,CentOS，Ubuntu等均可 Angel >= 1.3 Python >= 2.7 / 3.6（PyAngel1.4支持python2，python1.4放弃对python2的支...

Angel的代码框架 1. Angle-Core（核心层） 2. Angel-ML（机器学习层） 3. Angel-Client（接口层） 4. Angle-MLLib（算法层） Angel的代码框架 Angel的代码结构，从整体上可以划分为几大模块： 1. Angle-Core（核心层） Angel的核心层，包括了如下核心组件：...

Angel中的计算图 Angel中的层 Angel中优化器 Angel中的损失函数 Angel中的传输函数 Angel中的学习率Decay

Angel的架构设计 Angel的架构设计 Angel的整体设计比较简约，层次鲜明，容易上手，没有过多复杂的设计，关注模型和机器学习相关特性，追求高维度模型下的最佳性能。它的架构设计，从整体可以分为3大模块： Parameter Server层 ：提供通用的参数服务器 服务，负责模型的分布存储，通讯同步和协调计算，并通过PSAgent提供P...

ADMM_LR 1. 算法介绍 2. 分布式实现 on Angel 3. 运行 & 性能 输入格式 参数说明 提交命令 性能 Reference ADMM_LR 用ADMM[1]求解LogisticRegression的优化方法称作ADMM_LR。ADMM算法是一种求解约束问题的最优化方法，它适用广泛。相比于SGD，ADMM在...

MLRunner 功能 核心方法 MLRunner Angel算法的启动入口类。它定义了启动Angel任务的标准流程，封装了对 AngelClient 的使用。 功能 通过调用AngelClient ，启动Angel ps，加载和存储模型，完成Task等一系列动作，完成机器学习任务的默认实现 一般情况下，应用程序直接调用它的默认实...