Reducing Communication in Graph Neural Network Training

Graph Neural Networks (GNNs) are powerful and flexible neural networks that use the naturally sparse connectivity information of the data. GNNs represent this connectivity as sparse matrices, which have lower arithmetic intensity and thus higher communication costs compared to dense matrices, making...

Celý popis

Podrobná bibliografie

Vydáno v:	International Conference for High Performance Computing, Networking, Storage and Analysis (Online) Ročník 2020; s. 1 - 14
Hlavní autoři:	Tripathy, Alok, Yelick, Katherine, Buluc, Aydin
Médium:	Konferenční příspěvek Journal Article
Jazyk:	angličtina
Vydáno:	United States IEEE 01.11.2020
Témata:	Clustering algorithms communication-avoiding algorithms distributed training Graph neural networks MATHEMATICS AND COMPUTING Proteins Sparse matrices Three-dimensional displays Training Two dimensional displays
ISSN:	2167-4329
On-line přístup:	Získat plný text
Tagy:	Přidat tag Žádné tagy, Buďte první, kdo vytvoří štítek k tomuto záznamu!