上海科技大学知识管理系统

本发明提供了一种面向图神经网络处理器模拟框架的加速方法，通过构建基于GPU的模拟框架，将专用GNN处理器的计算任务分解为多个节点，每个节点对应GPU的一个计算单元；对图神经网络的算子进行重排优化，以在所述模拟框架中优先执行顶点特征变换算子，延后执行边数据分发算子；采用内核融合策略，将多个GPU内核合并为单个内核；基于GNAS编程模型，以边为中心将工作负载划分为线程块，每个线程块并行处理多条边的计算任务，并通过归约和atomicAdd函数操作将结果累积至目标顶点。本发明还提供一种面向图神经网络处理器模拟框架的加速系统、存储介质及电子设备。借此，本发明能够减少冗余计算和内存传输，有效提升专用GNN处理器的模拟效率。