GNNavigator: 基于自动指南探索的图神经网络自适应训练
原文中文，约300字，阅读约需1分钟。发表于：。GNNNavigator 是一个自适应的 GNN 训练配置优化框架，它能够通过软硬件统一抽象、GNN 训练性能模型和设计空间探索解决方案来满足不同 GNN 应用需求，实验结果显示，GNNNavigator 可以实现长达 3.1 倍的加速和 44.9% 的峰值内存减少，并且达到与最先进方法相当的准确性。
图神经网络（GNN）在数据科学任务中广泛应用。为了设计最佳的GNN结构，研究人员和实践者需要付出大量努力和计算成本。为了节省人力和计算成本，提出了一种高效且可解释的图神经架构搜索方法（ExGNAS）。实验结果表明，ExGNAS在准确性和运行时间方面超过了当前的方法，并有效分析了同质图和异质图中GNN架构的差异。
