DGC: 使用图分块训练具有时空非均匀性的动态图
原文中文，约300字，阅读约需1分钟。发表于：。提出了 DGC，一个分布式的 DGNN 训练系统，通过新的图分区方法将动态图分解成具有适度训练工作量和少量互连的子图，实现了比我们实验室中最先进技术快 1.25 倍至 7.52 倍的加速。该算法基于图粗化，能够在大型图上快速运行，并通过提出的块融合和自适应延迟聚合技术具有高效的运行时。通过对 3 个典型的 DGNN 模型和 4 个流行的动态图数据集的广泛实验结果展示了 DGC 的有效性。
DGC是一个分布式的DGNN训练系统，通过图分区方法将动态图分解成具有适度训练工作量和少量互连的子图，实现了比最先进技术快1.25倍至7.52倍的加速。该算法基于图粗化，在大型图上快速运行，并通过块融合和自适应延迟聚合技术具有高效的运行时。实验结果展示了DGC的有效性。
