一种系统和计算机实现的方法以及计算机可读存储介质技术方案

本公开描述一种系统和计算机实现的方法以及计算机可读存储介质。该方法包括：通过在电路板上实现的访问引擎电路，从在电路板上实现的多个存储器驱动器的一个或多个存储器驱动器提取图的部分结构数据；通过访问引擎电路，使用提取到的图的部分结构数据执行节点采样，以选择一个或多个采样节点；通过访问引擎电路，根据所选择的一个或多个采样节点，从两个或多个存储器驱动器并行地提取图的部分属性数据；通过访问引擎电路，将提取到的图的部分属性数据发送给主机，主机位于电路板的外部；和通过主机的一个或多个处理器使用提取到的图的部分属性数据对图执行GNN处理。该方法能够提高用于图神经网络(GNN)处理的存储器访问的访问性能。问的访问性能。问的访问性能。

【技术实现步骤摘要】
一种系统和计算机实现的方法以及计算机可读存储介质


[0001]本公开涉及人工智能
，尤其是涉及一种系统和计算机实现的方法以及计算机可读存储介质。

技术介绍

[0002]虽然传统的深度学习模型善于通过捕获欧几里德数据(例如图像、文本、视频) 的隐藏模式来进行模式识别和数据挖掘，但图神经网络(graph neural network，GNN) 已将机器学习的能力扩展到对象之间具有复杂关系和相互依赖的图所表示的非欧几里德领域。研究表明，对于从分子推理到社区检测等应用，图神经网络都超过当前最先进的水平。
[0003]图神经网络是非结构化数据建模和处理的非常有效的模型。近来，图神经网络在推荐系统、风险控制系统等应用中使用得越来越多。但图数据是非结构化的，因此，访问图数据可能导致随机存储器访问。

技术实现思路

[0004]有鉴于此，本公开实施例提供一种系统和计算机实现的方法以及计算机可读存储介质，以解决上述问题。
[0005]根据一方面，一种系统包括主机和电路板，电路板包括：多个存储器驱动器，用于存储图的结构数据和属性本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种系统，包括：主机，以及电路板，所述电路板包括：多个存储器驱动器，用于存储图的结构数据和属性数据，所述多个存储器驱动器包括闪存驱动器；以及访问引擎电路，与所述多个存储器驱动器中的每一个存储器驱动器和所述主机通信耦合，其中，所述访问引擎电路用于：从所述多个存储器驱动器中的一个或多个存储器驱动器提取所述图的部分结构数据；使用提取到的所述图的部分结构数据执行节点采样，以选择一个或多个采样节点；根据所选的一个或多个采样节点，从所述多个存储器驱动器中的两个或多个存储器驱动器并行地提取所述图的部分属性数据；和将提取到的所述图的部分属性数据发送给所述主机；其中，所述主机与电路板通信耦合，用于从所述电路板接收所述图的部分属性数据，所述主机包括：一个或多个处理器，用于使用所述图的部分属性数据对所述图执行图神经网络处理。2.根据权利要求1所述的系统，其中，所述访问引擎电路在位于所述电路板上的现场可编程门阵列上实现。3.根据权利要求1所述的系统，其中，所述电路板上的多个存储器驱动器均为固态驱动器。4.根据权利要求3所述的系统，其中，所述电路板上的多个存储器驱动器具有相同的存储容量。5.根据权利要求1所述的系统，其中，所述访问引擎电路进一步用于从所述电路板外部的一存储位置访问所述图的结构数据和属性数据。6.根据权利要求1所述的系统，其中，所述主机的一个或多个处理器包括中央处理单元、图形处理单元、张量处理单元、神经网络处理单元、或图神经网络处理单元。7.根据权利要求1所述的系统，其中，所述主机还包括：一个或多个双数据速率同步动态随机存取存储器，与所述主机的一个或多个处理器以及所述电路板通信耦合，所述一个或多个双数据速率同步动态随机存取存储器用于：存储来自所述电路板的图的部分属性数据；和促进所述主机的一个或多个处理器执行GNN处理。8.根据权利要求1所述的系统，其中，所述电路板还包括与所述访问引擎电路通信耦合的专用存储器，所述专用存储器是一个或多个双数据速率同步动态随机存取存储器，并用于促进实现一个或多个控制器对所述多个存储器驱动器的访问控制。9.根据权利要求1所述的系统，其中，所述主机与多个所述电路板通信耦合，并且所述主机并行地与所述多个所述电路板通信。10.根据权利要求9所述的系统，其中，所述主机还用于使用所述多个所述电路板中的多个访问引擎电路的开放通道控制器对所述多个所述电路板执行存储器管理。11.一种计算机实现的方法，包括：通过在电路板上实现的访问引擎电路，从在所述电路板上实现的多个存储器驱动器中
的一个或多个存储器驱动器提取图的部分结构数据，其中，所述多个存储器驱动器包括闪存驱动器；通过所述访问引擎电路，使用提取到的所述图的部分结构数...

【专利技术属性】
技术研发人员：李双辰，牛迪民，郑宏忠，
申请(专利权)人：阿里巴巴中国有限公司，
类型：发明
国别省市：