单 GPU GNN 系统：陷阱与误区
机器学习
2024-02-07 v1 分布式、并行与集群计算
摘要
当前的图神经网络（GNN）系统已明确倾向于不显示训练准确率结果，indirectly 依赖较小数据集进行评估。我们的深入分析表明，这导致系统设计和评估过程中的一系列陷阱，质疑许多提出的系统优化方案的实际性，影响所得结论和所学教训。我们分析了许多单 GPU 系统，展示了这些陷阱的根本影响。我们进一步提出假设、建议和评估方法，并提供未来方向。最后，开发了一个新的参考系统，以建立一系列高效实用的解决系统设计陷阱的优化。该提议的设计可以有效地集成到先前工作中，从而真正推动技术发展。
引用
@article{arxiv.2402.03548,
title = {Single-GPU GNN Systems: Traps and Pitfalls},
author = {Yidong Gong and Arnab Tarafder and Saima Afrin and Pradeep Kumar},
journal= {arXiv preprint arXiv:2402.03548},
year = {2024}
}