GenGNN：一种用于图神经网络加速的通用 FPGA 框架
机器学习
2022-01-24 v1 分布式、并行与集群计算
摘要
图神经网络（GNNs）近年来迅速普及，这得益于其对量子化学、药物发现和高能物理等普遍存在的图相关问题的广泛适用性。然而，由于开发高效 FPGA 加速器的难度与创建新 GNN 模型的快速步伐之间存在差距，同时满足对新颖 GNN 模型和快速推理的需求具有挑战性。先前的工作侧重于特定类别 GNN 的加速，但缺乏跨现有模型工作或可扩展到新兴 GNN 模型的通用性。在这项工作中，我们提出了一种使用高层次综合（HLS）的通用 GNN 加速框架，名为 GenGNN，具有双重目标。首先，我们旨在提供超快的 GNN 推理，且无需任何图预处理以满足实时需求。其次，我们旨在支持多样化的 GNN 模型，并具有灵活适应新模型的可扩展性。该框架具有适用于所有模型的优化消息传递结构，并结合了丰富的模型特定组件库。我们在 Xilinx Alveo U50 FPGA 上进行了板级验证，观察到相对于 CPU（6226R）基线最高 25 倍加速，相对于 GPU（A6000）基线最高 13 倍加速。我们的 HLS 代码将在接受后于 GitHub 开源。
引用
@article{arxiv.2201.08475,
title = {GenGNN: A Generic FPGA Framework for Graph Neural Network Acceleration},
author = {Stefan Abi-Karam and Yuqi He and Rishov Sarkar and Lakshmi Sathidevi and Zihang Qiao and Cong Hao},
journal= {arXiv preprint arXiv:2201.08475},
year = {2022}
}
备注
10 pages, 9 figures. The first three authors contributed equally. Submitted to FCCM 2022