BriefGPT - AI 论文速递
·
稀疏而强大：构建对抗性鲁棒的图表彩票
💡
原文中文，约300字，阅读约需1分钟。
📝
内容提要
提出了一种统一的GNN稀疏化框架，剪枝图邻接矩阵和模型权重，加速大规模图上的GNN推理。通过迭代应用UFS联合鉴定，GLT能在不影响预测性能的前提下实现小和大规模图数据集上的MACS节约。
🎯
关键要点
- 提出了一种统一的 GNN 稀疏化框架 (UFG)。
- 该框架剪枝图邻接矩阵和模型权重，以加速 GNN 推理。
- 将 lottery ticket 假设推广到 GNN，定义了图 lottery ticket (GLT)。
- GLT 是核心子数据集和稀疏子网络对的一对。
- 通过迭代应用 UFS 联合鉴定从原始 GNN 和全密集图中提取 GLT。
- 在各种 GNN 架构和不同任务的数据集上进行了实验验证。
- 实验结果表明，GLT 能够在不影响预测性能的前提下实现 MACS 节约。
➡️
