gSuite：一个灵活且框架无关的 GPU 图神经网络推理基准套件
机器学习
2022-12-21 v2 性能
摘要
随着对图神经网络（GNNs）的关注日益增长，GNN 的基准测试与性能表征研究的重要性也在提升。迄今已见诸多探究并呈现 GNN 性能与计算效率的研究。然而，已有工作均基于少数高层 GNN 框架开展。尽管这些框架易于使用，却对许多其他现有库存在过多依赖。实现细节的层级与依赖关系使得构建于这些框架之上的 GNN 模型性能分析变得复杂，尤其在使用体系结构模拟器时。此外，先前的表征研究普遍忽视了 GNN 计算的不同方法，仅评估了常见计算模型之一。基于我们观察到的这些不足与需求，我们开发了一个框架无关、支持多种计算模型、易配置且无需额外工作即可与体系结构模拟器配合使用的基准套件。我们称之为 gSuite 的基准套件仅使用硬件供应商的库，因此独立于任何其他框架。gSuite 能够利用当代 GPU 性能分析工具与体系结构 GPU 模拟器对 GNN 推理开展详细的性能表征研究。为说明这一新基准套件的优势，我们使用一组知名 GNN 模型与多种数据集进行了详细表征研究，在真实 GPU 卡与时序详尽的 GPU 模拟器上运行 gSuite，并揭示了计算模型对性能的影响。我们使用若干评价指标严格度量 GNN 计算的性能。
引用
@article{arxiv.2210.11601,
title = {gSuite: A Flexible and Framework Independent Benchmark Suite for Graph Neural Network Inference on GPUs},
author = {Taha Tekdoğan and Serkan Göktaş and Ayse Yilmazer-Metin},
journal= {arXiv preprint arXiv:2210.11601},
year = {2022}
}
备注
IEEE International Symposium on Workload Characterization (IISWC) 2022