一种基于交错映射的GCN-ReRAM顶点特征选择性更新方法

本发明公开了一种基于交错映射的GCN‑ReRAM顶点特征选择性更新方法。本发明针对利用基于ReRAM的存算一体系统训练图卷积神经网络时，由于度数满足幂律分布的顶点随机分布造成GCN相关写操作的总延迟受限于单位最长写延迟，产生“木桶短板效应”，严重影响加速器性能的问题。本发明考虑了顶点特征的重要性，重要性较高的顶点特征每次反向传播更新，不重要的顶点间隔多次反向传播更新，既减少了Crossbar的写次数，降低了其写延迟，又提高了Crossbar的使用寿命，同时，本方法采用的交错映射方式能够保证每个Crossbar的更新时间一致，防止个别Crossbar更新时间过长降低系统的整体性能。