感觉FTRL里面train加锁有问题

[applefly]

多线程训练的情况下，有的线程更新参数g,有的线程读了参数s, 虽然有锁程序运行没问题，但感觉可能出现一条样本对参数的跟新不一致的问题
280 mu.mtx.lock();
个人感觉应该加在循环体外

[CastellanZhang]

完全可以把锁加在更外层，甚至加到feature粒度上，但会影响运行效率。所以我这里采用了尽可能小的粒度上加锁。parameter server也是类似的做法，参数更新并非严格一致，实践表明完全不影响收敛。甚至你会发现，即便完全不加锁在大部分情况下也没什么太大影响。

[CasyWang]

hi，castellan，这里有没有相关的证明呢？同样有这个confuse。

[applefly]

我写了个多线程训练的代码，跟新参数时加锁，测试时发现总会出现模型auc波动很大，多次训练学到的权重也有些起伏，所以我就放弃了多线程版，用单线程一直很稳定