Taurus系统加速海量图上的核外GNN推理

研究人员开发了Taurus，一个旨在加速超出可用RAM的海量图的核外图神经网络（GNN）推理的新颖系统。Taurus通过将层级计算重构为顺序SSD扫描，利用GPU、CPU和SSD的流水线化层级结构来优化推理。与现有的分布式和基于磁盘的GNN系统相比，这种方法显著降低了I/O成本和通信时间。在具有多达2.69亿个顶点和514 GiB特征的图上的基准测试中，Taurus在层级基线上的性能提高了7-25倍，在顶点级基线上的性能提高了40-140倍。 AI

影响 该系统可以实现对极其庞大的图数据集进行更高效的AI模型推理，可能影响依赖于图基AI的领域。

排序理由 该条目描述了在arXiv论文中提出的一个新系统和基准测试结果。[lever_c_demoted from research: ic=1 ai=1.0]

在 arXiv cs.LG 阅读 →

• arXiv
• central processing unit
• graphics processing unit
• graph neural network
• Taurus

• 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 →