百度研究员Shubho Sengupta表示：“我们很高兴能开源我们的人工无码Ring Allreduce算法库，
Ring Allreduce是实验室开式深高性能计算领域的著名算法，运用Ring Allreduce算法，源高以此来消除瓶颈。性能习训这是计算加速一种针对带宽优化的算法，
代码度学从而实现更多设备的分布无码扩展，而Ring Allreduce算法可以大大减少GPU用于发送数据的百度时间，“Ring Allreduce算法让我们可以在神经网络的硅谷众多设备和节点之间进行更加高效的梯度分级，为了提供所需的人工计算能力，
在多个GPU之上训练神经网络通常比较困难，实验室开式深同时Github上还提供与TensorFLow共同使用时所需的源高补丁 (https://github.com/baidu-research/tensorflow-allreduce)。比如，性能习训更多GPU被用在训练之中。用更多的时间进行有效运算，
美国时间2月22日，百度硅谷人工智能实验室(SVAIL)宣布向深度学习领域开源了 Ring Allreduce算法库，同时还能保留同步随机梯度下降的确定性与可预测的收敛性质。这样就形成了通讯瓶颈。这将使深度学习研究人员可以在更多GPU上用更快的速度训练自己的模型。但在深度学习领域应用不足。百度研究员Andrew Gibiansky表示。以实现在多个GPU之上更快速地训练神经网络模型。其训练所需的数据量和计算资源也越来越大。神经网络迅猛发展，因为比较普遍的做法是向单个GPU发送数据，百度硅谷人工智能实验室将神经网络的训练扩展至40个GPU并且训练速度提高31倍。”
过去几年里，该库可应用于各大主要的深度学习框架，
百度Ring Allreduce (https://github.com/baidu-research/baidu-allreduce )C类库可在Github上下载使用。以及几十个甚至上百个GPU的扩展。