论文阅读
文章平均质量分 92
Lukerman0
这个作者很懒,什么都没留下…
展开
-
用参数服务器扩展分布式机器学习
Scaling Distributed Machine Learning with the Parameter Server背景1.大规模机器学习的特点模型参数很大,超过了单机容量训练数据量大,需要并行加速2.分布式机器学习的挑战高效通信:异步通信模型针对机器学习任务进行了优化,以减少网络流量和开销。灵活的一致性模型:一致性模型允许开发人员在算法收敛性和系统性能之间进行权衡。可伸缩性和容错性:无需重新启动正在运行的框架即可添加新节点。在不中断计算的情况下从非灾难性机器故障中恢复和修复。系统原创 2020-09-06 23:07:12 · 455 阅读 · 1 评论 -
How powerful are graph neural networks?
How powerful are graph neural networks?ICLR 2019背景1.图神经网络图神经网络及其应用2.Weisfeiler-Lehman test同构:如果图G1和G2的顶点和边的数目相同,并且边的连通性相同,则这两个图可以说是同构的,如下图所示。也可以认为G2的顶点是从G1的顶点映射而来的。这是一个具有挑战性的问题:目前还没有已知的多项式时间算法。图同构的Weisfeiler-Lehman(WL)检验是一种有效且计算效率高的检验,它能区分一大类图。W原创 2020-09-06 22:39:21 · 1005 阅读 · 0 评论 -
图神经网络及其应用
Graph Neural Networks and its applications摘要以图形形式构建的数据存在于生物化学、图像处理、推荐系统和社会网络分析等多个领域。利用预处理技术在图结构数据上训练机器学习模型有几种方法,但它们缺乏完全适应数据集和手头任务的灵活性。图神经网络允许创建一个端到端的机器学习模型,该模型同时被训练来学习图结构数据的表示并在其上拟合预测模型。图神经网络可以应用于从聚类或可视化到对图数据进行分类或回归的任务,它们还可以在节点或图级别学习表示。他们在半监督学习和有监督图分类方面取翻译 2020-09-06 21:45:06 · 6430 阅读 · 0 评论 -
TuX2:用于机器学习的分布式图计算
TuX2TuX^2TuX2:用于机器学习的分布式图计算TuX2TuX^2TuX2: Distributed Graph Computation for Machine Learning 本文载于第14届USENIX网络系统设计与实现研讨会论文集(NSDI’17)摘要TUX2是一种新型的分布式图形引擎,它将图形计算和分布式机器学习联系起来。TUX2继承了优雅的图形计算模型、高效的图形布局和平衡的并行性的优点,可扩展到数十亿个边的图;我们将其扩展和优化用于分布式机器学习,以支持异构性、过时的同步并行翻译 2020-09-06 21:26:46 · 818 阅读 · 0 评论 -
支持数据管理和可用机器学习的统一图模型
支持数据管理和可用机器学习的统一图模型Towards A Unified Graph Model for Supporting Data Management and Usable Machine Learning本文载于2017 Bulletin of the IEEE Computer Society Technical Committee on Data Engineering摘要数据管理和机器学习是数据科学中的两个重要任务。然而,到目前为止,它们都是独立研究的。我们认为它们应该是相辅相成翻译 2020-09-06 21:18:10 · 303 阅读 · 0 评论