一种图神经网络训练中的定长式边点结合采样机制制造技术

本发明专利技术公开了一种图神经网络训练中的定长式边点结合采样机制，该采样机制包括如下步骤：对图进行节点采样，得到子图；对子图进行边采样，得到新的子图；将得到的子图数据转化为CSR格式；根据GPU共享内存大小，设置所需的共享内存宽度S；将子图数据存入到GPU共享内存之中；进行后续的GNN计算操作。本发明专利技术针对目前图神经网络训练中采集机制均无法达到快速并且准确的图特征采集的现状，提出一种图神经网络训练中的定长式边点结合采样机制，通过在节点采样时保留具有连续内存位置的邻居节点避免不规则的内存访问，结合边采样消除冗余的边，以便完成快速并且准确的图特征采集。以便完成快速并且准确的图特征采集。以便完成快速并且准确的图特征采集。

【技术实现步骤摘要】
一种图神经网络训练中的定长式边点结合采样机制


[0001]本专利技术属于机器学习中神经网络算法应用领域，尤其涉及一种图神经网络训练中的定长式边点结合采样机制。

技术介绍

[0002]图神经网络(Graph Neural Networks，GNN) 通过将深度学习算法和图计算算法相融合，凭借其对图形结构数据进行学习和建模的能力，已开始广泛应用于诸多领域，被认为是推动人工智能领域迈入“认知智能”阶段的核心力量。图神经网络计算框架将成为未来深度学习计算框架的新主流。GNN的核心思想是学习一种映射，将图结构中的节点及其邻居节点的特征映射为该节点的低维隐特征表示。
[0003]采样机制是指通过部分增量更新（mini
‑
batch）策略并有条件地选择部分邻居，优化常规训练方案，从而降低内存和计算开销。图神经网络训练中所选用的采样机制是图神经网络训练效率的关键影响因素之一。
[0004]目前在学术界对于现有的图神经网络系统采用的采样机制主要有节点采样（node
‑
wise sampling）,逐层采样（la本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种图神经网络训练中的定长式边点结合采样机制，其特征在于，所述的图神经网络训练中的定长式边点结合采样机制包括如下步骤：步骤一、对图进行节点采样，得到子图；步骤二、对子图进行边采样，得到新的子图；步骤三、将得到的子图数据转化为CSR格式；步骤四、根据GPU共享内存大小，设置所需的共享内存宽度S；步骤五、将子图数据存入到GPU共享内存之中；步骤六、进行后续的GNN计算操作。2.如权利要求1所述的图神经网络训练中的定长式边点结合采样机制，其特征在于，所述的对图进行节点采样，得到子图：步骤一、对图进行节点采样，得到多个不同节点及其邻居节点的子图；步骤二、遍历步骤一中得到的子图，舍弃节点的邻居节点分布随机的子图，保留节点的邻居节点分布密集的子图。3.如权利要求1所述的图神经网络训练中的定长式边点结合...

【专利技术属性】
技术研发人员：王耀彬，张梦洋，唐苹苹，郭明峰，胡丽莎，
申请(专利权)人：西南科技大学，
类型：发明
国别省市：