Accel-GCN: High-Performance GPU Accelerator Design for Graph Convolution Networks

Graph Convolutional Networks (GCNs) are pivotal in extracting latent information from graph data across various domains, yet their acceleration on mainstream GPUs is challenged by workload imbalance and memory access irregularity. To address these challenges, we present Accel-GCN, a GPU accelerator...

Celý popis

Podrobná bibliografie

Vydáno v:	Digest of technical papers - IEEE/ACM International Conference on Computer-Aided Design s. 01 - 09
Hlavní autoři:	Xie, Xi, Peng, Hongwu, Hasan, Amit, Huang, Shaoyi, Zhao, Jiahui, Fang, Haowen, Zhang, Wei, Geng, Tong, Khan, Omer, Ding, Caiwen
Médium:	Konferenční příspěvek
Jazyk:	angličtina
Vydáno:	IEEE 28.10.2023
Témata:	Accelerator architectures Bandwidth Benchmark testing Convolution GPUs Graph Convolution Network Graphics processing units Memory management parallel computing Parallel processing sparse matrix multiplication (SpMM)
ISSN:	1558-2434
On-line přístup:	Získat plný text
Tagy:	Přidat tag Žádné tagy, Buďte první, kdo vytvoří štítek k tomuto záznamu!