合并sparse table

[zhangys-lucky]

目前每个tn.layers.EmbeddingFeatures会创建一张sparse table，将所有sparse table合并后可减少网络请求次数

[zhangys-lucky]

训练速度的主要瓶颈来自下面几个步骤：

1. 将特征排序去重
2. 从parameter server pull参数。
3. 回填pull成功参数到tensor当中。

未合并SparseTable之前第1步不是性能瓶颈，性能瓶颈主要在第2步，当tn.layers.EmbeddingFeatures调用次数较多的时候，同一个batch会有多次pull动作，网络开销较大。

将SparseTable合并之后第1步会变为瓶颈，由于需要将所有的特征汇聚起来使用一次请求pull，当batch size较大时，这种方式会非常慢。