SPA-GCN：一种高效灵活的 GCN 加速器及其在图相似度计算中的应用
机器学习
2021-11-12 v1 硬件体系结构
分布式、并行与集群计算
摘要
尽管已有许多关于图像深度学习硬件加速的研究，但涉及图的深度学习应用加速却关注相当有限。图的独特特性，如不规则内存访问和动态并行性，在算法映射到 CPU 或 GPU 时带来了若干挑战。为应对这些挑战并利用所有可用的稀疏性，我们提出了一种称为 SPA-GCN 的灵活架构，用于加速图卷积网络（GCN）——图深度学习算法的核心计算单元。该架构专为处理许多小图而设计，因为图大小对设计考量有显著影响。在此背景下，我们使用 SimGNN（一种基于神经网络的图匹配算法）作为案例研究来展示我们架构的有效性。实验结果表明，与多核 CPU 实现和 GPU 实现相比，SPA-GCN 能带来较高的加速比，显示了我们设计的效率。
引用
@article{arxiv.2111.05936,
title = {SPA-GCN: Efficient and Flexible GCN Accelerator with an Application for Graph Similarity Computation},
author = {Atefeh Sohrabizadeh and Yuze Chi and Jason Cong},
journal= {arXiv preprint arXiv:2111.05936},
year = {2021}
}
备注
12 pages