Graph Input-Aware Matrix Multiplication for Pruned Graph Neural Network Acceleration

Graphs-based neural networks are powerful tools for analyzing intricate non-euclidean data structures to solve complex real-world problems bounded by latency and throughput constraints. However, the computation structures operate on ultra-sparse and unstructured matrices resulting in load balancing...

Celý popis

Podrobná bibliografie

Vydáno v:	Proceedings - IEEE International Parallel and Distributed Processing Symposium s. 913 - 925
Hlavní autoři:	Khan, Hanan, Gurevin, Deniz, Khan, Omer
Médium:	Konferenční příspěvek
Jazyk:	angličtina
Vydáno:	IEEE 03.06.2025
Témata:	Computational modeling GPU Graph neural networks graph processing Graphics processing units Instruction sets Load modeling parallel algorithm Parallel processing pruning Runtime Sparse matrices Sparse matrix multiplication Throughput Vectors
ISSN:	1530-2075
On-line přístup:	Získat plný text
Tagy:	Přidat tag Žádné tagy, Buďte první, kdo vytvoří štítek k tomuto záznamu!