关系深度学习（RDL）通过自动学习图引导，简化了多表关系数据库中的机器学习模型构建。引入的RDBench基准测试促进了可复现的研究，支持多种机器学习方法的比较。此外，研究提出了深度关系度量学习（DRML）框架和记忆增强的关系推理模型RelNet，以提高图像聚类和检索的效果。

本文介绍了一种模型切片算法，通过将模型分割为多个组，在有限计算资源下动态提供预测，降低推理成本。同时，提出关系深度学习（RDL）方法，直接学习跨多个表格的数据，提升机器学习模型性能。研究还探讨了新型数据库系统的构建，以支持大规模深度学习应用。