Buchumschlag

Can Graph Reordering Speed Up Graph Neural Network Training? An Experimental Study

Fuente: arXiv

Gespeichert in:

Bibliographische Detailangaben
Hauptverfasser:	Merkel, Nikolai, Toussing, Pierre, Mayer, Ruben, Jacobsen, Hans-Arno
Format:	Preprint
Veröffentlicht:	2024
Schlagworte:	Machine Learning Databases Performance
Online-Zugang:	Acceder al recurso
Tags:	Tag hinzufügen Keine Tags, Fügen Sie den ersten Tag hinzu!

Ähnliche Einträge

EmbedPart: Embedding-Driven Graph Partitioning for Scalable Graph Neural Network Training
von: Merkel, Nikolai, et al.
Veröffentlicht: (2026)

An Experimental Comparison of Partitioning Strategies for Distributed Graph Neural Network Training
von: Merkel, Nikolai, et al.
Veröffentlicht: (2023)

How Can We Train Deep Learning Models Across Clouds and Continents? An Experimental Study
von: Erben, Alexander, et al.
Veröffentlicht: (2023)

VDTuner: Automated Performance Tuning for Vector Data Management Systems
von: Yang, Tiannuo, et al.
Veröffentlicht: (2024)

P-MOSS: Scheduling Main-Memory Indexes Over NUMA Servers Using Next Token Prediction
von: Rayhan, Yeasir, et al.
Veröffentlicht: (2024)

Sig2Model: A Boosting-Driven Model for Updatable Learned Indexes
von: Heidari, Alireza, et al.
Veröffentlicht: (2025)

Leveraging Approximate Caching for Faster Retrieval-Augmented Generation
von: Bergman, Shai, et al.
Veröffentlicht: (2025)

GraphMini: Accelerating Graph Pattern Matching Using Auxiliary Graphs
von: Liu, Juelin, et al.
Veröffentlicht: (2024)

A Modular Graph-Native Query Optimization Framework
von: Lyu, Bingqing, et al.
Veröffentlicht: (2024)

Choosing a Classical Planner with Graph Neural Networks
von: Vatter, Jana, et al.
Veröffentlicht: (2024)

Robust Recursive Query Parallelism in Graph Database Management Systems
von: Chakraborty, Anurag, et al.
Veröffentlicht: (2025)

Graph Neural Networks on Graph Databases
von: Lopushanskyy, Dmytro, et al.
Veröffentlicht: (2024)

DF-GNN: Dynamic Fusion Framework for Attention Graph Neural Networks on GPUs
von: Liu, Jiahui, et al.
Veröffentlicht: (2024)

One-Hop Sub-Query Result Caches for Graph Database Systems
von: Nguyen, Hieu, et al.
Veröffentlicht: (2024)

Distributed Matrix-Based Sampling for Graph Neural Network Training
von: Tripathy, Alok, et al.
Veröffentlicht: (2023)

CXL and the Return of Scale-Up Database Engines
von: Lerner, Alberto, et al.
Veröffentlicht: (2024)

gHAWK: Local and Global Structure Encoding for Scalable Training of Graph Neural Networks on Knowledge Graphs
von: Sabir, Humera, et al.
Veröffentlicht: (2025)

Accelerating Storage-Based Training for Graph Neural Networks
von: Jang, Myung-Hwan, et al.
Veröffentlicht: (2026)

Research on Low-Latency Inference and Training Efficiency Optimization for Graph Neural Network and Large Language Model-Based Recommendation Systems
von: Zhao, Yushang, et al.
Veröffentlicht: (2025)

VectorSearch: Enhancing Document Retrieval with Semantic Embeddings and Optimized Search
von: Monir, Solmaz Seyed, et al.
Veröffentlicht: (2024)

View-based Explanations for Graph Neural Networks
von: Chen, Tingyang, et al.
Veröffentlicht: (2024)

Federated Fine-Tuning of LLMs on the Very Edge: The Good, the Bad, the Ugly
von: Woisetschläger, Herbert, et al.
Veröffentlicht: (2023)

Generating Robust Counterfactual Witnesses for Graph Neural Networks
von: Qiu, Dazhuo, et al.
Veröffentlicht: (2024)

Prefetching Cache Optimization Using Graph Neural Networks: A Modular Framework and Conceptual Analysis
von: Qowy, F. I.
Veröffentlicht: (2025)

WaveGAS: Waveform Relaxation for Scaling Graph Neural Networks
von: Vatter, Jana, et al.
Veröffentlicht: (2025)

DeepSpeed-FastGen: High-throughput Text Generation for LLMs via MII and DeepSpeed-Inference
von: Holmes, Connor, et al.
Veröffentlicht: (2024)

Efficient Graph Knowledge Distillation from GNNs to Kolmogorov--Arnold Networks via Self-Attention Dynamic Sampling
von: Cui, Can, et al.
Veröffentlicht: (2025)

Unifews: You Need Fewer Operations for Efficient Graph Neural Networks
von: Liao, Ningyi, et al.
Veröffentlicht: (2024)

Cardinality Estimation over Knowledge Graphs with Embeddings and Graph Neural Networks
von: Schwabe, Tim, et al.
Veröffentlicht: (2023)

A Structure-Aware Framework for Learning Device Placements on Computation Graphs
von: Duan, Shukai, et al.
Veröffentlicht: (2024)

OpenGLT: A Comprehensive Benchmark of Graph Neural Networks for Graph-Level Tasks
von: Li, Haoyang, et al.
Veröffentlicht: (2025)

Pushing the Performance Envelope of DNN-based Recommendation Systems Inference on GPUs
von: Jain, Rishabh, et al.
Veröffentlicht: (2024)

Spark Policy Toolkit: Semantic Contracts and Scalable Execution for Policy Learning in Spark
von: Bai, Zeyu
Veröffentlicht: (2026)

The Power of Training: How Different Neural Network Setups Influence the Energy Demand
von: Geißler, Daniel, et al.
Veröffentlicht: (2024)

BitLogic: Training Framework for Gradient-Based FPGA-Native Neural Networks
von: Bührer, Simon, et al.
Veröffentlicht: (2026)

Kairos: Efficient Temporal Graph Analytics on a Single Machine
von: da Trindade, Joana M. F., et al.
Veröffentlicht: (2024)

Sawtooth Wavefront Reordering: Enhanced CuTile FlashAttention on NVIDIA GB10
von: Zhu, Yifan, et al.
Veröffentlicht: (2026)

oneDNN Graph Compiler: A Hybrid Approach for High-Performance Deep Learning Compilation
von: Li, Jianhui, et al.
Veröffentlicht: (2023)

Data Augmentation in Graph Neural Networks: The Role of Generated Synthetic Graphs
von: Bas, Sumeyye, et al.
Veröffentlicht: (2024)

iSpLib: A Library for Accelerating Graph Neural Networks using Auto-tuned Sparse Operations
von: Anik, Md Saidul Hoque, et al.
Veröffentlicht: (2024)