卷积层：计算量大，参数少
数据并行是把训练数据分成多份，在不同机器训练，然后参数更新到parameter server；
数据并行是指对训练数据做切分，同时采用多个模型实例，对多个分片的数据并行训练。要完成数据并行需要做参数交换，通常由一个参数服务器（Parameter Server）来帮助完成。在训练的过程中，多个训练过程相互独立，训练的结果，即模型的变化量ΔW需要汇报给参数服务器.数据并行有同步模式和异步模式之分。
全连接层：计算量小，参数多
模型并行会把模型分区，分配到不同的机器分别运行（按功能，层次），因为参数间存在依赖关系，需要调度器；
模型并行将模型拆分成几个分片，由几个训练单元分别持有，共同协作完成训练。当一个神经元的输入来自另一个训练单元上的神经元的输出时，产生通信开销。多数情况下，模型并行带来的通信开销和同步消耗超过数据并行，因此加速比也不及数据并行。但对于单机内存无法容纳的大模型来说，模型并行是一个很好的选择
数据并行的训练程序太多时，不得不减小学习率，以保证训练过程的平稳；模型并行的分片太多时，神经元输出值的交换量会急剧增加，效率大幅下降。因此，同时进行模型并行和数据并行也是一种常见的方案。
模型平均
在这个场景中，我们有4个独立的worker，每个worker都有一个随机初始化的模型。为了简化情况，假设我们可以直接从损失函数E（θ）中获得梯度。在模型平均中，每个worker只在自己本地的local模型中应用梯度下降，而不与其他worker通信。在一个epoch结束之后，如中间的图所示，对这些模型进行平均以产生一个central model。在下一个epoch，central model将被用作所有worker的初始模型。
持续更新
http://blog.csdn.net/xiaoyezi_1834/article/details/51605048
https://www.cnblogs.com/ranjiewen/p/5938944.html
过拟合：http://blog.csdn.net/heyongluoyao8/article/details/49429629