一种用于优化GNN训练的图重排算法

本发明公开一种用于优化GNN训练的图重排算法，涉及人工智能，针对现有技术内存访问瓶颈的问题提出本方案。包括以下步骤：S1.邻接表提取和节点分类；S2.初始化与随机选择；S3.利用最大公共邻居策略和随机选择策略来选择下一个待排序的节点；S4.迭代：重复执行步骤S3，直到非孤立节点全部完成排序；S5.孤立节点的处理步骤；S6.更新节点属性。优点在于，专门针对GNN的训练进行优化，可以快速地对几百万个节点地图完成排序，并且很大程度地提高数据的局部性，进而提高访存地命中率，减小访存的延时。不仅可以用于GNN训练的加速，而且还可以用于SpMV的加速；这是自然而然的事情，因为增加了数据的局部性，在访问数据时，能够提高访存的命中率，进而加速SpMV的计算。