基于图划分抽样算法的图表示学习OA北大核心CSCDCSTPCD
Graph representation learning based on graph partition sampling algorithm
在基于神经网络的图表示算法中,当节点属性维度过高、图的规模过大时,从内存到显存的数据传输会成为训练性能的瓶颈.针对这类问题,该方法将图划分算法应用于图表示学习中,降低了内存访问的I/O开销.该方法根据图节点的度数,将图划分成若干个块,使用显存缓存池存储若干个特征矩阵块.每一轮训练,使用缓存池中的特征矩阵块,以此来减少内存到显存的数据拷贝.针对这一思想,该方法使用基于图划分的抽样算法,设计显存的缓存池来降低内存的访问,运用多级负采样算法,降低训练中…查看全部>>
夏鑫;高品;陈康;姜进磊
清华大学 计算机科学与技术系,北京 100084腾讯 微信事业群,广东 深圳518057清华大学 计算机科学与技术系,北京 100084清华大学 计算机科学与技术系,北京 100084
信息技术与安全科学
图划分图表示学习图抽样图神经网络
《计算机应用研究》 2020 (9)
2586-2590,2599,6
国家重点研发计划资助项目(2018YFB1003505)
评论