图神经网络统一图算子抽象uGrapher，大幅提高计算性能
原文中文，约4100字，阅读约需10分钟。发表于：。为了解决当前图神经网络中框架中不同的图算子在不同图数据上静态kernel的性能问题，uGrapher通过将所有图算子抽象为统一的中间表达形式，解耦图算子的计算和调度，并定义了在GPU上优化图算子的设计空间。
阿里云机器学习PAI平台的论文《uGrapher》被顶会ASPLOS 2023接收。uGrapher通过统一的中间表达形式解决了图神经网络中不同图算子的性能问题，并在GPU上优化图算子的设计空间，提供高性能的计算支持。与其他框架相比，uGrapher平均可以取得3.5倍的性能提升。uGrapher的设计正在集成进PAI自研的大规模图神经网络框架GraphLearn中，为工业级别的图神经网络应用带来性能加速。
