研究人员开发了ERGo,一个新颖的混合训练框架,旨在提高图神经网络(GNN)在内存处理(PIM)架构上的能效。ERGo通过使用GNN权重的低秩表示,策略性地从全参数训练阶段过渡到参数高效阶段。这种方法显著减少了昂贵的片外内存访问,在PIM平台上实现了高达3.15倍的速度提升和10.5倍的能效增强。此外,ERGo通过在参数高效阶段冻结权重,延长了异构NVM-SRAM架构的寿命,与传统的全参数方法相比,NVM器件的寿命延长了高达33倍。 AI
影响 提高了专用硬件上图神经网络训练的能效和性能。
排序理由 研究论文,详细介绍了在特定硬件架构上优化GNN训练的新框架。[lever_c_demoted from research: ic=1 ai=1.0]
AI 生成摘要 · Google Gemini · 来自 1 个来源。 我们如何撰写摘要 →