BriefGPT - AI 论文速递
·
NeutronOrch: 在 CPU-GPU 异构环境下重新思考基于样本的 GNN 训练
💡
原文中文，约300字，阅读约需1分钟。
📝
内容提要
介绍了HyGCN，一种基于混合架构的GCN加速器，利用两个处理引擎提高并行性，通过融合和内存访问协调优化系统，平均获得1509倍加速比，降低2500倍能耗和6.5倍加速比以及10倍能耗降低。
🎯
关键要点
- 提出了一种基于混合架构的 GCN 加速器 HyGCN。
- HyGCN 在处理 GCNs 时具有细粒度的并行性。
- 利用两个处理引擎缓解 Aggregation 阶段的不规则性和 Combination 阶段的规则性。
- 通过间相位融合和基于优先级的内存访问协调来优化系统。
- 相较于 Intel Xeon CPU 和 NVIDIA V100 GPU，HyGCN 平均获得了 1509 倍的加速比。
- HyGCN 降低了 2500 倍的能耗和 6.5 倍的加速比以及 10 倍的能耗降低。
➡️
