GNNavigator：通过自动指南探索实现图神经网络的自适应训练
机器学习
2024-04-16 v1 人工智能
摘要
图神经网络（GNNs）近期在许多应用中取得了显著成功。然而，平衡各种应用中 GNNs 的训练运行时成本、内存消耗和可达到的精度并非易事。先前的训练方法适应性较差，且缺乏统一的训练优化解决方案。为了解决这个问题，本工作提出了 GNNavigator，一个自适应的 GNN 训练配置优化框架。得益于我们统一的软硬件协同抽象、提出的 GNNs 训练性能模型以及实用的设计空间探索解决方案，GNNavigator 能够满足多样化的 GNN 应用需求。实验结果表明，GNNavigator 能够实现高达 3.1 倍的加速和 44.9% 的峰值内存减少，且准确性与最先进的方法相当。
引用
@article{arxiv.2404.09544,
title = {GNNavigator: Towards Adaptive Training of Graph Neural Networks via Automatic Guideline Exploration},
author = {Tong Qiao and Jianlei Yang and Yingjie Qi and Ao Zhou and Chen Bai and Bei Yu and Weisheng Zhao and Chunming Hu},
journal= {arXiv preprint arXiv:2404.09544},
year = {2024}
}
备注
Accepted by DAC'24