[發明專利]一種圖神經網絡數據緩存方法、裝置、設備及存儲介質

在審

• 申請號: 202111355513.0
• 申請日: 2021-11-16
• 公開（公告）號: CN114048847A
• 公開（公告）日: 2022-02-15
• 發明（設計）人: 李東升;張立志;賴志權;劉鋒;黃震;喬林波;梅松竹;牛新
• 申請（專利權）人: 中國人民解放軍國防科技大學
• 主分類號: G06N3/063
• 分類號: G06N3/063;G06N3/08;G06K9/62;G06T1/20;G06T1/60
• 代理公司: 北京集佳知識產權代理有限公司 11227
• 代理人: 張藝

1.一種圖神經網絡數據緩存方法，其特征在于，包括：

通過圖聚類算法對圖數據集進行聚類，確定各頂點的聚類信息；

在每個聚類中確定訓練頂點，并根據每個訓練頂點的聚類信息向不同圖形處理器分配對應的目標訓練頂點；

對不同圖形處理器的目標訓練頂點進行鄰域擴展，確定與每個圖形處理器對應的鄰域頂點；其中，鄰域擴展的擴展層數與圖神經網絡層數一致；

從主存儲器中獲取與每個圖形處理器對應的鄰域頂點的特征數據，并將所述特征數據緩存至對應的圖形處理器的顯存。

2.根據權利要求1所述的圖神經網絡數據緩存方法，其特征在于，所述在每個聚類中確定訓練頂點，包括：

獲取頂點映射表；所述頂點映射表中記錄了所述圖數據集中聚類前各頂點與聚類后各頂點的對應關系；

根據所述圖數據集中聚類前各頂點的頂點類型以及所述頂點映射表，在每個聚類中確定訓練頂點。

3.根據權利要求2所述的圖神經網絡數據緩存方法，其特征在于，所述根據每個訓練頂點的聚類信息向不同圖形處理器分配對應的目標訓練頂點，包括：

根據圖形處理器的總數量以及每個訓練頂點的聚類信息，將屬于不同聚類的訓練頂點平均分配至不同圖形處理器，確定每個圖形處理器對應的目標訓練頂點；其中，屬于同一聚類的訓練頂點均分配至同一圖形處理器。

4.根據權利要求1所述的圖神經網絡數據緩存方法，其特征在于，所述對不同圖形處理器的目標訓練頂點進行鄰域擴展，確定與每個圖形處理器對應的鄰域頂點，包括：

確定圖神經網絡的層數；

根據所述層數對不同圖形處理器的目標訓練頂點進行鄰域擴展，以確定與計算相關的每個圖形處理器的鄰域頂點。

5.根據權利要求1至4中任意一項所述的圖神經網絡數據緩存方法，其特征在于，所述將所述特征數據緩存至對應的圖形處理器的顯存之后，還包括：

通過訓練進程獲取每個訓練批次中的頂點編號；

根據所述頂點編號及全局索引表確定與每個頂點編號對應的存儲位置；

利用所述存儲位置從圖形處理器的顯存中獲取對應的目標特征數據，以通過所述目標特征數據對圖神經網絡模型進行訓練。

6.一種圖神經網絡數據緩存裝置，其特征在于，包括：

聚類模塊，用于通過圖聚類算法對圖數據集進行聚類，確定各頂點的聚類信息；

第一確定模塊，用于在每個聚類中確定訓練頂點；

分配模塊，用于根據每個訓練頂點的聚類信息向不同圖形處理器分配對應的目標訓練頂點；

第二確定模塊，用于對不同圖形處理器的目標訓練頂點進行鄰域擴展，確定與每個圖形處理器對應的鄰域頂點；其中，鄰域擴展的擴展層數與圖神經網絡層數一致；

第一獲取模塊，用于從主存儲器中獲取與每個圖形處理器對應的鄰域頂點的特征數據；

緩存模塊，用于將所述特征數據緩存至對應的圖形處理器的顯存。

7.根據權利要求6所述的圖神經網絡數據緩存裝置，其特征在于，所述第一確定模塊包括：

獲取單元，用于獲取頂點映射表；所述頂點映射表中記錄了所述圖數據集中聚類前各頂點與聚類后各頂點的對應關系；

確定單元，用于根據所述圖數據集中聚類前各頂點的頂點類型以及所述頂點映射表，在每個聚類中確定訓練頂點。

8.根據權利要求6或7所述的圖神經網絡數據緩存裝置，其特征在于，所述圖神經網絡數據緩存裝置，還包括：

第二獲取模塊，用于通過訓練進程獲取每個訓練批次中的頂點編號；

第三確定模塊，用于根據所述頂點編號及全局索引表確定與每個頂點編號對應的存儲位置；

第三獲取模塊，用于利用所述存儲位置從圖形處理器的顯存中獲取對應的目標特征數據，以通過所述目標特征數據對圖神經網絡模型進行訓練。

9.一種電子設備，其特征在于，包括：

存儲器，用于存儲計算機程序；

處理器，用于執行所述計算機程序時實現如權利要求1至5任一項所述的圖神經網絡數據緩存方法的步驟。

10.一種計算機可讀存儲介質，其特征在于，所述計算機可讀存儲介質上存儲有計算機程序，所述計算機程序被處理器執行時實現如權利要求1至5任一項所述的圖神經網絡數據緩存方法的步驟。