10.3772/j.issn.1002-0470.2022.07.001
针对图神经网络加速器性能评估的标准测试集
图神经网络(GNN)算法在图结构数据处理任务中取得了突破性的成功.然而,针对图神经网络硬件加速器设计的研究缺乏明确的设计目标和统一的评价标准.本文提出一种针对图神经网络硬件加速器性能评估的标准测试集(BenchGNN).BenchGNN包括宏测试集和微测试集2部分.宏测试集包含了3种主要任务类型的图神经网络算法和5个典型应用领域的数据集.微测试集包含2种微观操作类型和4种不同量化特性的数据集.本文在现有运算设备中央处理器(CPU)、图形处理器(GPU)和图神经网络专用加速器上进行了BenchGNN的实验测试.实验结果表明,CPU由于并行度不高而无法高效处理图神经网络算法.针对图神经网络算法的随机访存行为进行优化的专用加速器取得了优于通用并行处理器GPU的性能功耗表现.根据BenchGNN的评估结果,在图神经网络加速器设计过程中需要重点考虑运算并行度和随机访存优化这两种因素.
图神经网络(GNN)、加速器、标准测试集
32
TP391.41;TP183;TN919.81
国家自然科学基金;国家自然科学基金;国家自然科学基金;国家自然科学基金;国家自然科学基金;国家自然科学基金;国家自然科学基金;北京市自然科学基金;中国科学院战略性先导科技专项;北京智源人工智能研究院以;北京市科技新星计划;中国科学院青年创新促进会项目;科学探索奖资助项目
2022-10-08（万方平台首次上网日期，不代表论文的发表时间）
共11页
663-673
