文件名称：GNN-Feature-Decomposition:使用特征分解方法加速GNN推理
文件大小：34KB
文件格式：ZIP
更新时间：2024-04-14 05:43:00
Python
GNN特征分解 概述 这是我们工作的存储库：GNN特征分解，被RTAS 2021（Brif行业跟踪）接受，名为“优化边缘计算平台上的图形神经网络的内存效率” 图神经网络（GNN）在各种工业任务上都达到了最先进的性能。 但是，GNN推理效率低下和频繁的内存不足（OOM）问题限制了GNN在边缘计算平台上的成功应用。 为了解决这些问题，提出了一种特征分解方法，用于GNN推理的内存效率优化。 所提出的方法可以在各种GNN模型上实现出色的优化，涵盖了广泛的数据集，从而将推理速度提高了3倍。 此外，提出的特征分解可以显着减少峰值内存使用量（内存效率提高高达5倍），并减轻了GNN推理过程中的OOM问题。 要求 需要最新版本的PyTorch，numpy，torch_geometric（1.6.3）。 #### Contents此仓库中有两个主要的*脚本： 1.test_gnn_layer.py:
【文件预览】：
GNN-Feature-Decomposition-main
----README.md(2KB)
----dataset()
--------pubmed()
--------Cora()
--------CiteSeer()
--------ogbn_proteins()
--------Reddit()
----test()
--------test_gnn_layer.py(6KB)
--------test_gnn_total.py(6KB)
----model()
--------gnn_model_1_6.py(31KB)
--------__pycache__()
--------inits.py(1KB)
--------inf_model.py(6KB)