一种图神经网络模型的训练架构、方法、系统及服务器
申请人信息
- 申请人:苏州元脑智能科技有限公司
- 申请人地址:215100 江苏省苏州市吴中经济开发区郭巷街道官浦路1号9幢
- 发明人: 苏州元脑智能科技有限公司
专利详细信息
| 项目 | 内容 |
|---|---|
| 专利名称 | 一种图神经网络模型的训练架构、方法、系统及服务器 |
| 专利类型 | 发明申请 |
| 申请号 | CN202410214274.4 |
| 申请日 | 2024/2/27 |
| 公告号 | CN117785490A |
| 公开日 | 2024/3/29 |
| IPC主分类号 | G06F9/50 |
| 权利人 | 苏州元脑智能科技有限公司 |
| 发明人 | 刘俊; 王彦伟 |
| 地址 | 江苏省苏州市吴中经济开发区郭巷街道官浦路1号9幢 |
摘要文本
本发明公开了一种图神经网络模型的训练架构、方法、系统及服务器，涉及内存设计领域，解决传统服务器内存容量有限的问题。该架构通过N个非一致性内存访问节点、N个计算快速链路设备和N个图形处理器的连接，非一致性内存访问节点将图结构数据划分为N个第一子图结构数据，并分配至N个计算快速链路设备使其对第一子图结构数据进行邻居节点抽样，得到第二子图结构数据，并将其发送至图形处理器进行图神经网络模型的训练。本发明设置N个计算快速链路设备，实现了对单台服务器的内存扩展、及在单台服务器内的并行处理和存储，解决了大规模图结构数据的存储和训练问题，同时减少网络通信开销和架构设计复杂性，提高了训练和推理效率。
专利主权项内容
1.一种图神经网络模型的训练架构，其特征在于，应用于服务器，包括：N个非一致性内存访问节点，N为大于一的整数；N个计算快速链路设备，与N个所述非一致性内存访问节点一一对应连接；K×N个图形处理器，与N个所述非一致性内存访问节点一一对应连接，N个所述图形处理器之间互相连接，K为大于一的整数；所述非一致性内存访问节点，用于获取用户输入的图结构数据，并将所述图结构数据划分为N个第一子图结构数据，并将N个所述第一子图结构数据一一对应分配至N个所述计算快速链路设备中，在所述计算快速链路设备得到第二子图结构数据时，将所述第二子图结构数据中各节点对应的节点特征向量发送至所述图形处理器；所述计算快速链路设备，用于存储和自身对应的第一子图结构数据，并对自身对应的第一子图结构数据中的节点进行邻居节点抽样，得到抽样后的所述第二子图结构数据，并将所述第二子图结构数据发送至所述图形处理器；所述图形处理器，用于存储图神经网络模型，并在接收到所述第二子图结构数据和所述第二子图结构数据中各节点对应的节点特征向量时，根据所述第二子图结构数据和所述节点特征向量对所述图神经网络模型进行训练。。来自-官网