【技术实现步骤摘要】
本专利技术涉及针对图神经网络的表达特征数据输出，特别是涉及一种针对图神经网络的表达特征数据输出方法、一种针对图神经网络的表达特征数据输出装置、一种电子设备以及一种计算机可读存储介质。
技术介绍
1、图（graph）是一种基于实体及其关系构成的网络，现实世界中有很多复杂系统都可以使用图的相关特性进行描述和分析，比如社交网络，电子商务，文献引用网络，蛋白质交互网络，城市交通网络，知识图谱等。
2、相比于欧几里得空间中的数据，图计算是研究人类世界的事物和事物之间的关系，对其进行描述、刻画、分析和计算的一门技术。图是计算机科学中常用的一类抽象数据结构，在结构和语义方面更具有一般性表达能力。图结构数据广泛存在于生活的方方面面。例如电商场景中，用户和商品可以看作两种类型的顶点，它们之间的浏览、加购、购买等关系可以看作不同类型的边。如何提升针对图的特征表达的提取效率，成为本领域技术人员需要克服的技术问题。
技术实现思路
1、本专利技术实施例是提供一种针对图神经网络的表达特征数据输出方法、装置...
【技术保护点】
1.一种针对图神经网络的表达特征数据输出方法，其特征在于，所述图神经网络配置有片上网络多节点加速架构，所述片上网络多节点加速架构包括多个计算节点，所述方法包括：
2.根据权利要求1所述的方法，其特征在于，所述从稀疏数据块中确定出非零元素的步骤包括：
3.根据权利要求2所述的方法，其特征在于，所述第一矩形选取框具有对应的矩形框形状，所述从多个所述第一矩形选取框中提取所述非零元素的步骤包括：
4.根据权利要求2所述的方法，其特征在于，还包括：
5.根据权利要求4所述的方法，其特征在于，所述权重数据包括多个权重数量块，所述约束...
【技术特征摘要】
1.一种针对图神经网络的表达特征数据输出方法，其特征在于，所述图神经网络配置有片上网络多节点加速架构，所述片上网络多节点加速架构包括多个计算节点，所述方法包括：
2.根据权利要求1所述的方法，其特征在于，所述从稀疏数据块中确定出非零元素的步骤包括：
3.根据权利要求2所述的方法，其特征在于，所述第一矩形选取框具有对应的矩形框形状，所述从多个所述第一矩形选取框中提取所述非零元素的步骤包括：
4.根据权利要求2所述的方法，其特征在于，还包括：
5.根据权利要求4所述的方法，其特征在于，所述权重数据包括多个权重数量块，所述约束条件通过如下方式确定：
6.根据权利要求5所述的方法，其特征在于，所述片上网络多节点加速架构包括矩阵乘和输入输出单元，所述计算节点包括顶角计算节点，还包括：
7.根据权利要求6所述的方法，其特征在于，所述将所述权重矩阵数据划分为多个权重数据组的步骤包括：
8.根据权利要求7所述的方法，其特征在于，所述片上网络多节点加速架构包括数据包分发缓存单元，所述数据包分发缓存单元包括数据包生成单元，所述数据包生成单元用于，基于所述权重数据组生成待计算权重数据包；基于所述输入特征数据生成待计算输入特征数据包；基于所述邻接矩阵数据生成待计算邻接矩阵数据包。
9.根据权利要求8所述的方法，其特征在于，所述将所述权重数据组发送至与所述权重数据组对应的计算节点，并将所述输入特征数据和所述邻接矩阵数据发送至所述片上网络多节点加速架构的步骤包括：
10.根据权利要求9所述的方法，其特征在于，所述计算节点包括矩阵计算单元，所述通过所述片上网络多节点加速架构输出针对所述图神经网络的表达特征数据的步骤包括：
11.根据权利要求10所述的方法，其特征在于，所...
【专利技术属性】
技术研发人员：杨宏斌，董刚，赵雅倩，曹其春，胡克坤，
申请(专利权)人：苏州元脑智能科技有限公司，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。