【ASPLOS 2023】图神经网络统一图算子抽象uGrapher，大幅提高计算性能

转载于 2023-04-24 10:53:46 发布 · 267 阅读

0 ·

CC 4.0 BY-SA版权

原文链接：https://developer.aliyun.com/article/1180768

文章标签：

#神经网络 #深度学习 #人工智能 #sql #cnn

行业同时被 3 个专栏收录

38 篇文章

订阅专栏

开发工具

12 篇文章

订阅专栏

SQL

4 篇文章

订阅专栏

阿里云机器学习平台PAI与上海交通大学合作的uGrapher论文被ASPLOS2023录用。uGrapher通过统一图算子的中间表达，解耦计算和调度，针对GPU优化设计，为图神经网络提供高性能计算，相比DGL、PyG和GNNAdvisor平均性能提升3.5倍。

摘要生成于 C知道，由 DeepSeek-R1 满血版支持，前往体验 >

开篇

近日，阿里云机器学习平台PAI和上海交通大学冷静文老师团队合作的论文《图神经网络统一图算子抽象uGrapher》被ASPLOS 2023录取。

为了解决当前图神经网络中框架中不同的图算子在不同图数据上静态kernel的性能问题，uGrapher通过将所有图算子抽象为统一的中间表达形式，解耦图算子的计算和调度，并定义了在GPU上优化图算子的设计空间，以针动态变化的图算子和图数据自适应的生成并行执行策略，为图神经网络中的图算子提供高性能的计算支持。对比DGL [1], PyG[2], GNNAdvisor[3]，uGrapher平均可以取得3.5倍的性能提升。

背景

近年来，图神经网络(Graph Neural Networks, GNNs)因其在非欧几里德空间中对图结构进行学习和推断的强大能力而受到学术界和产业界的广泛关注。GNNs将基于DNN的特征变换和基于图的操作结合起来，沿着图结构传播和聚合信息。现有的GNN框架如DGL和PyTorch-Geometric（PyG）扩展了DNN 框架（如TensorFlow 和PyTorch），并引入了“消息”这一概念，它是与每个边相关联的特征向量的中间值。

完整内容请点击下方链接查看：

【ASPLOS 2023】图神经网络统一图算子抽象uGrapher，大幅提高计算性能-阿里云开发者社区

版权声明：本文内容由阿里云实名注册用户自发贡献，版权归原作者所有，阿里云开发者社区不拥有其著作权，亦不承担相应法律责任。具体规则请查看《阿里云开发者社区用户服务协议》和《阿里云开发者社区知识产权保护指引》。如果您发现本社区中有涉嫌抄袭的内容，填写侵权投诉表单进行举报，一经查实，本社区将立刻删除涉嫌侵权内容。