典型文献
针对图神经网络加速器性能评估的标准测试集
文献摘要：
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.
文献关键词：
图神经网络(GNN);加速器;标准测试集
中图分类号：
作者姓名：
宋新开;支天;孔维浩;杜子东
作者机构：
中国科学院计算技术研究所计算机体系结构国家重点实验室 北京100190;中国科学院大学 北京100049;中科寒武纪科技股份有限公司 北京100191
文献出处：
引用格式：
[1]宋新开;支天;孔维浩;杜子东-.针对图神经网络加速器性能评估的标准测试集)[J].高技术通讯,2022(07):663-673
A类：
数据处理任务,BenchGNN,并行处理器
B类：
图神经网络,神经网络加速器,性能评估,标准测试集,图结构数据,神经网络硬件加速器,加速器设计,设计目标,微测试,主要任务,任务类型,神经网络算法,典型应用,不同量,同量化,中央处理器,CPU,图形处理器,GPU,专用加速器,实验测试,并行度,高效处理,功耗,设计过程中,访存优化
AB值：
0.23254
相似文献
机标中图分类号，由域田数据科技根据网络公开资料自动分析生成，仅供学习研究参考。
