.png){kind=icon}
返回
GE 2 : A General and Efficient Knowledge Graph Embedding Learning System
.png){kind=icon}
PRE
AI
DOI：10.1145/3654986.png)
.png){kind=icon}
原文求助.png){kind=icon}
分享.png){kind=icon}
收藏
摘要
En 中文
图嵌入学习为图中的每个节点计算一个嵌入向量，并在社交网络、电子商务和医学等领域有许多应用。我们观察到，现有的图嵌入系统（如PBG、DGL-KE和Marius）具有较长的CPU时间和较高的CPU-GPU通信开销，尤其是在使用多个GPU时。此外，在这些系统上实现负采样算法很繁琐，因为负采样算法有许多变体，且对模型质量至关重要。我们提出一个名为GE
2
的新系统，该系统实现了图嵌入学习的通用性和效率。具体而言，我们提出了一种通用的执行模型，涵盖各种负采样算法。基于该执行模型，我们设计了一个用户友好的API，允许用户轻松表达负采样算法。为了支持高效训练，我们将操作从CPU卸载到GPU，以利用高并行性并减少CPU时间。我们还设计了COVER算法，据我们所知，这是首个用于管理CPU和多个GPU之间数据交换以实现低通信成本的算法。广泛的实验结果表明，与最先进的图嵌入系统相比，GE
2
在不同模型和数据集上训练速度始终更快，加速比通常超过2倍，最高可达7.5倍。
期刊
暂无期刊信息
机构
暂无机构信息
引用论文
暂无论文信息