GraphNet：用于张量编译器研究的大规模计算图数据集
机器学习
2025-10-29 v1 计算与语言
摘要
我们介绍 GraphNet，这是一个包含 2.7K 个真实世界深度学习计算图的数据集，拥有丰富的元数据，跨越六大任务类别，涵盖多个深度学习框架。为评估张量编译器在这些样本上的性能，我们提出了衡量指标 Speedup Score S(t)，该指标综合考虑运行时加速与执行正确性，并可根据可调容忍度水平进行调整，为评估通用优化能力提供可靠度量。进一步地，我们将 S(t)扩展为考虑误差信息的 Error-aware Speedup Score ES(t)，帮助编译器开发者识别关键性能瓶颈。在本报告中，我们在计算机视觉（CV）和自然语言处理（NLP）样本上，对默认张量编译器——PaddlePaddle 的 CINN 和 PyTorch 的 TorchInductor 进行基准测试，以演示 GraphNet 的实际应用性。完整的数据集构建管道及图提取和编译器评估工具均已在 https://github.com/PaddlePaddle/GraphNet 提供。
关键词
引用
@article{arxiv.2510.24035,
title = {GraphNet: A Large-Scale Computational Graph Dataset for Tensor Compiler Research},
author = {Xinqi Li and Yiqun Liu and Shan Jiang and Enrong Zheng and Huaijin Zheng and Wenhao Dai and Haodong Deng and Dianhai Yu and Yanjun Ma},
journal= {arXiv preprint arXiv:2510.24035},
year = {2025}
}