一种基于广度优先分割的拓扑切分图神经网络训练机制

摘要

本发明涉及新兴信息技术、人工智能领域，公开了一种基于广度优先分割的拓扑切分图神经网络训练机制，包括以下步骤：一、存储资源预估分配模块；二、广度优先遍历图分割模块；三、分割后子图分布式存储；四、基于参数服务器架构进行分布式训练；五、模型训练结束，保存模型。本发明保证了切分后的数据在各个服务器上均衡、无偏、高连通，使原图拓扑信息能更完整的保存，避免因信息丢失造成图神经网络学习准确性的降低，并使数据均匀的分配在各个服务器上，以便进行后续的分布式训练；另一方面，实现并行的梯度学习及更新，极大地提升了图神经网络的学习效率，使得图神经网络在大规模图上的训练可行、高效。