一种基于混合动态缓存的图神经网络单机训练方法

本发明公开了一种基于混合动态缓存的图神经网络单机训练方法，其特征是该方法在训练前阶段使用图节点以及邻接矩阵项访问频率信息，得到动态节点特征缓存和静态邻接矩阵项缓存的比例，训练阶段使用集合相似度重排序算法对采样节点顺序进行重排，使用先入先出队列作为缓存策略，并将训练阶段划分为四个子阶段，使用流水线技术将训练阶段的四个子阶段并行，并使用共享队列连接四个子阶段，实现混合动态缓存的超大图神经网络单机训练。本发明与现有技术相比具有端到端的训练时间短，GPU设备的利用率高，在不同采样算法负载下能有效提高缓存命中率，减少mini‑batch制备时间，实现更高效的GNN训练，方法简便，使用效果好，具有良好的运用前景和商业开发价值。