TuGraph图学习技术详解

相关项目:

TuGraph图学习

目录

在这里插入图片描述

图学习典型工作流程

在这里插入图片描述

整体学习架构

在这里插入图片描述

加速稀疏计算

在这里插入图片描述
在这里插入图片描述

GPC编译加速

在这里插入图片描述
几秒钟内就比较容易生成好的稀疏算子。

  • 随机搜索
  • 自动采样

编译加速

在这里插入图片描述

编译加速流水线GPC

在这里插入图片描述

SPMM和SDDMM优化

在这里插入图片描述

  • 平铺来优化,加载稀疏矩阵中的值加载到缓冲区
  • 分stage处理

SPMM DSL代码生成

在这里插入图片描述

SDMM DSL代码生成

在这里插入图片描述

AutoTune-Cost Model

在这里插入图片描述

加速效果

在这里插入图片描述
在这里插入图片描述

一键加速

在这里插入图片描述
在这里插入图片描述
在这里插入图片描述


TuGraph图学习实践

在这里插入图片描述

目录

在这里插入图片描述

TuGraph采样

在这里插入图片描述

TuGraph采样算子

在这里插入图片描述
采用更高效的采样算子得到子图,便于后续训练操作。

全图训练

在这里插入图片描述
GetDB算子,将图数据转换成所需数据结构

采样算子介绍

  • neighbor sampling
    在这里插入图片描述

  • negative sampling
    在这里插入图片描述
    负采样生成不存在边的子图

  • edge sampling
    在这里插入图片描述

图学习实战

在这里插入图片描述
在这里插入图片描述

在这里插入图片描述

  • 编译
  • 数据导入
  • 特征转换
  • 采样算子及编译
  • 模型训练及保存
  • 模型加载
    在这里插入图片描述
    在这里插入图片描述
    在这里插入图片描述

猜你喜欢

转载自blog.csdn.net/uncle_ll/article/details/132721778