1.一种基于allreduce分布式训练梯度压缩加速方法，其特征在于，包括：
采用allreduce分布式深度梯度压缩训练架构，所述allreduce分布式深度梯度压缩训练架构中，不存在参数服务器，工作机之间形成环形闭环传递路径，gpu之间传递压缩后梯度；以及
将节点内压缩模块中将梯度从fp32转成fp16；并
使用误差反馈随机梯度下降算法压缩梯度。
2.根据权利要求1所述的基于allreduce分布式训练梯度压缩加速方法，其特征在于，所述误差反馈随机梯度下降算法包括：
针对每一次训练进行解压缩得到值pt。
3.根据权利要求2所述的基于allreduce分布式训练梯度压缩加速方法，其特征在于，所述误差反馈随机梯度下降算法还包括：
使用梯度压缩算法对值pt进行梯度压缩。
4.根据权利要求3所述的基于allreduce分布式训练梯度压缩加速方法，其特征在于，
值pt为pt＝ηgt+et，其中，gt为随机梯度下降值，
5.根据权利要求4所述的基于allreduce分布式训练梯度压缩加速方法，其特征在于，
et初始值为0。
6.根据权利要求5所述的基于allreduce分布式训练梯度压缩加速方法，其特征在于，
所述梯度压缩实施为：采用topk算法，取梯度前k个值pt进行数据整合。
7.根据权利要求5所述的基于allreduce分布式训练梯度压缩加速方法，其特征在于，所述误差反馈随机梯度下降算法还包括：
更新参数：xt+1＝xt-δt，et+1＝pt-δt。
8.一种存储介质，其特征在于，
所述存储介质包括存储的程序，其中，在所述程序运行时控制所述存储介质所在设备执行如权利要求1-7任一项所述的基于allreduce分布式训练梯度压缩加速方法。