Buchumschlag

Distributed Graph Neural Network Inference With Just-In-Time Compilation For Industry-Scale Graphs

Fuente: arXiv

Gespeichert in:

Bibliographische Detailangaben
Hauptverfasser:	Wu, Xiabao, Liu, Yongchao, Qin, Wei, Hong, Chuntao
Format:	Preprint
Veröffentlicht:	2025
Schlagworte:	Machine Learning Artificial Intelligence Distributed, Parallel, and Cluster Computing
Online-Zugang:	Acceder al recurso
Tags:	Tag hinzufügen Keine Tags, Fügen Sie den ersten Tag hinzu!

Ähnliche Einträge

GraphGen+: Advancing Distributed Subgraph Generation and Graph Learning On Industrial Graphs
von: Jin, Yue, et al.
Veröffentlicht: (2025)

GraphRPM: Risk Pattern Mining on Industrial Large Attributed Graphs
von: Tian, Sheng, et al.
Veröffentlicht: (2024)

D3-GNN: Dynamic Distributed Dataflow for Streaming Graph Neural Networks
von: Guliyev, Rustam, et al.
Veröffentlicht: (2024)

DistrEE: Distributed Early Exit of Deep Neural Network Inference on Edge Devices
von: Peng, Xian, et al.
Veröffentlicht: (2025)

Semi-decentralized Training of Spatio-Temporal Graph Neural Networks for Traffic Prediction
von: Kralj, Ivan, et al.
Veröffentlicht: (2024)

Parallel-friendly Spatio-Temporal Graph Learning for Photovoltaic Degradation Analysis at Scale
von: Fan, Yangxin, et al.
Veröffentlicht: (2024)

A Parallel Alternative for Energy-Efficient Neural Network Training and Inferencing
von: Seal, Sudip K., et al.
Veröffentlicht: (2025)

SRL: Scaling Distributed Reinforcement Learning to Over Ten Thousand Cores
von: Mei, Zhiyu, et al.
Veröffentlicht: (2023)

GraphPipe: Improving Performance and Scalability of DNN Training with Graph Pipeline Parallelism
von: Jeon, Byungsoo, et al.
Veröffentlicht: (2024)

Federated Attention: A Distributed Paradigm for Collaborative LLM Inference over Edge Networks
von: Deng, Xiumei, et al.
Veröffentlicht: (2025)

Armada: Memory-Efficient Distributed Training of Large-Scale Graph Neural Networks
von: Waleffe, Roger, et al.
Veröffentlicht: (2025)

Scalable and Adaptive Parallel Training of Graph Transformer on Large Graphs
von: Lin, Jun-Liang, et al.
Veröffentlicht: (2026)

FSD-Inference: Fully Serverless Distributed Inference with Scalable Cloud Communication
von: Oakley, Joe, et al.
Veröffentlicht: (2024)

NestQuant: Post-Training Integer-Nesting Quantization for On-Device DNN
von: Xie, Jianhang, et al.
Veröffentlicht: (2025)

GSplit: Scaling Graph Neural Network Training on Large Graphs via Split-Parallelism
von: Polisetty, Sandeep, et al.
Veröffentlicht: (2023)

RelayGR: Scaling Long-Sequence Generative Recommendation via Cross-Stage Relay-Race Inference
von: Wang, Jiarui, et al.
Veröffentlicht: (2026)

Federated Heterogeneous Graph Neural Network for Privacy-preserving Recommendation
von: Yan, Bo, et al.
Veröffentlicht: (2023)

Compiler-First State Space Duality and Portable $O(1)$ Autoregressive Caching for Inference
von: Santoni, Cosmo
Veröffentlicht: (2026)

PIPO: Pipelined Offloading for Efficient Inference on Consumer Devices
von: Liu, Yangyijian, et al.
Veröffentlicht: (2025)

TAPAS: Fast and Automatic Derivation of Tensor Parallel Strategies for Large Neural Networks
von: Shi, Ziji, et al.
Veröffentlicht: (2023)

Communication-Efficient Personalized Federal Graph Learning via Low-Rank Decomposition
von: Liu, Ruyue, et al.
Veröffentlicht: (2024)

Plexus: Taming Billion-edge Graphs with 3D Parallel Full-graph GNN Training
von: Ranjan, Aditya K., et al.
Veröffentlicht: (2025)

Serving Heterogeneous LoRA Adapters in Distributed LLM Inference Systems
von: Jaiswal, Shashwat, et al.
Veröffentlicht: (2025)

Federated Graph Learning with Structure Proxy Alignment
von: Fu, Xingbo, et al.
Veröffentlicht: (2024)

Fully Distributed Online Training of Graph Neural Networks in Networked Systems
von: Olshevskyi, Rostyslav, et al.
Veröffentlicht: (2024)

Adaptive Consensus Gradients Aggregation for Scaled Distributed Training
von: Choukroun, Yoni, et al.
Veröffentlicht: (2024)

ReInc: Scaling Training of Dynamic Graph Neural Networks
von: Guan, Mingyu, et al.
Veröffentlicht: (2025)

HiDP: Hierarchical DNN Partitioning for Distributed Inference on Heterogeneous Edge Platforms
von: Taufique, Zain, et al.
Veröffentlicht: (2024)

Distributed Inference on Mobile Edge and Cloud: An Early Exit based Clustering Approach
von: Bajpai, Divya Jyoti, et al.
Veröffentlicht: (2024)

Leveraging Neural Graph Compilers in Machine Learning Research for Edge-Cloud Systems
von: Furutanpey, Alireza, et al.
Veröffentlicht: (2025)

Efficient Onboard Vision-Language Inference in UAV-Enabled Low-Altitude Economy Networks via LLM-Enhanced Optimization
von: Li, Yang, et al.
Veröffentlicht: (2025)

Frontier: Towards Comprehensive and Accurate LLM Inference Simulation
von: Feng, Yicheng, et al.
Veröffentlicht: (2026)

PGT-I: Scaling Spatiotemporal GNNs with Memory-Efficient Distributed Training
von: Ockerman, Seth, et al.
Veröffentlicht: (2025)

Towards Quantum-Ready Blockchain Fraud Detection via Ensemble Graph Neural Networks
von: Haider, M. Z., et al.
Veröffentlicht: (2025)

Frontier: Simulating the Next Generation of LLM Inference Systems
von: Feng, Yicheng, et al.
Veröffentlicht: (2025)

Federated Learning for Collaborative Inference Systems: The Case of Early Exit Networks
von: Kaplan, Caelin, et al.
Veröffentlicht: (2024)

Context-Aware Inference via Performance Forecasting in Decentralized Learning Networks
von: Pfeffer, Joel, et al.
Veröffentlicht: (2025)

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

FL-GUARD: A Holistic Framework for Run-Time Detection and Recovery of Negative Federated Learning
von: Lin, Hong, et al.
Veröffentlicht: (2024)

Systematic Optimization of Real-Time Diffusion Model Inference on Apple M3 Ultra
von: Ochiai, Yoichi
Veröffentlicht: (2026)