新的 PyTorch CUDA 算子加速知识图谱嵌入更新

研究人员开发了 FuseSampleAgg，一种新颖的 PyTorch CUDA 算子，旨在优化知识图谱 (KG) 嵌入更新。该新算子通过将采样和平均聚合融合到一次性处理中，简化了邻域估计过程，显著降低了计算开销和内存使用量。在基准测试中，与现有的 DGL 基线相比，FuseSampleAgg 在端到端步长延迟方面实现了 2.24 倍至 3.48 倍的提升，瞬时 GPU 内存减少了高达 160 倍。这种优化对于需要高效、有预算刷新的网络和网络安全领域的大规模 KG 管道尤其有利。 AI

影响 加速知识图谱嵌入的训练和刷新，从而在网络和网络安全等领域实现更高效的人工智能应用。

排序理由 该集群描述了一种在 arXiv 论文中发布的新方法，用于优化机器学习管道的特定组件。[lever_c_demoted from research: ic=1 ai=1.0]

在 arXiv cs.LG 阅读 →

• Aleksandar Stanković
• BioKG: A Knowledge Graph for Relational Learning On Biological Data
• CUDA
• FuseSampleAgg
• Graphsage
• knowledge graph
• PyTorch
• WikiKG2

• 基础设施
• 论文

AI 生成摘要 · Google Gemini · 来自 1 个来源。 我们如何撰写摘要 →