源分块移动聚合GNN训练框架

训练提速近4倍

通过源节点中心分块和移动消息聚合，在保持收敛精度的同时显著降低分布式GNN训练的通信与存储开销。

Wenjie, Huang · Tongya, Zheng · Rui, Wang · Tongtian, Zhu · Hu, Bing De · 何水兵 · 宋明黎 · 王新宇 · 伍赛 · 陈春

IEEE Transactions on Knowledge and Data Engineering 2025

参数信息

速度提升最高

3.93 倍

技术优势

嵌入更新更及时

源节点中心分块促使嵌入频繁更新，避免使用过时的历史嵌入，从而保持训练精度。

通信更均衡

分块策略使通信消息分布更加均衡，减少网络拥塞和等待时间。

存储和计算开销更低

移动消息聚合技术减少了冗余存储和计算，从而降低整体资源消耗。

应用场景

• 分布式图学习：在大规模分布式图数据上高效训练GNN，无需担心陈旧嵌入和通信瓶颈。
• 大规模图数据训练：处理超大规模图数据训练，降低存储和计算冗余，使更大规模图训练成为可能。
• 高效GNN训练：提升GNN训练效率，在保持精度的同时获得显著加速，缩短研发周期。