GPUにおける分散GNN訓練の特徴付けと理解【JST・京大機械翻訳】

Lin Haiyang; Yan Mingyu; Yang Xiaocheng; Zou Mo; Li Wenming; Ye Xiaochun; Fan Dongrui

プレプリント

J-GLOBAL ID：202202209410072700 整理番号：22P0333438

GPUにおける分散GNN訓練の特徴付けと理解【JST・京大機械翻訳】

Characterizing and Understanding Distributed GNN Training on GPUs

出版者サイト {{ this.onShowPLink() }} 複写サービスで全文入手
高度な検索・分析はJDreamⅢで

この文献はプレプリントです。プレプリントについてはこちらをご確認ください。

著者 (7件)： , , , , , ,
資料名：
発行年： 2022年04月17日プレプリントサーバーでの情報更新日： 2022年04月17日
JST資料番号： O7000B 資料種別：プレプリント
記事区分：プレプリント発行国：アメリカ合衆国 (USA) 言語：英語 (EN)

グラフニューラルネットワーク(GNN)は,グラフ上での学習におけるその有効性のための多くの領域における強力なモデルであることが実証されている。大規模グラフのためのGNN訓練をスケールするために,広く採用されるアプローチは,複数のコンピューティングノードを用いて訓練を加速する訓練を配布する。性能を最大にすることは必須であるが,分散GNN訓練の実行は予備的に理解されている。本研究では,GPU上の分散GNN訓練の徹底的な解析を提供し,いくつかの重要な観測を明らかにし,ソフトウェア最適化とハードウェア最適化の両方に対する有用なガイドラインを提供した。【JST・京大機械翻訳】

, , , , ,

人工知能 , パターン認識 , グラフ理論基礎

, , ,

前のページに戻る