博客
在 CPU 上使用 BFloat16 数据类型加速 GNN 训练
作者：Ilia Taraban，类别：博客
图神经网络 (GNN) 在各种工业任务中取得了最先进的性能。然而，大多数 GNN 操作都受内存限制，需要大量的 RAM。为了解决这个问题，提出了一种通过使用小型数据类型来减小张量大小的常用技术，以优化在采用 Bfloat16 的英特尔® 至强® 可扩展处理器上进行 GNN 训练的内存效率。所提出的方法可以在各种 GNN 模型上实现出色的优化，涵盖广泛的数据集，从而将训练速度提升高达 5 倍。
阅读更多10 八月
DGL 2.1：为您的 GNN 数据管线提供 GPU 加速
作者：Muhammed Fatih Balin，类别：发布
DGL 2.1 在 GraphBolt 中引入了对整个 GNN 数据加载管线的 GPU 加速，包括图采样和特征获取阶段。
阅读更多6 三月
