降低基于磁盘的 GNN 训练中的内存争用和 I/O 拥塞

BriefGPT - AI 论文速递 · 2024-06-20T00:00:00Z

本研究提出了高效的ML框架PyGim，通过加速GNNs解决了内存密集型核心的数据移动瓶颈。在比特尔至强CPU上，PyGim的性能提升了3.04倍，资源利用率也更高。该研究为软件、系统和硬件设计者提供了有价值的建议，并开源PyGim以推动PIM系统在GNNs中的应用。