محققان در مقاله جدیدی از چارچوب نوین «Sobek» رونمایی کردهاند که انقلابی در اجرای شبکههای عصبی گراف (GNN) مبتنی بر تانسور ایجاد میکند.
مشکل اصلی مدلهای فعلی، مصرف حافظه بسیار بالا و ترافیک سنگین داده در پردازش گرافهای بزرگ است؛ اما Sobek با تغییر نحوه زمانبندی و محاسبه محصولات تانسوری، این محدودیتها را دور میزند.
نتایج فوقالعاده است:
✅ افزایش سرعت بین ۱.۲ تا ۵۰ برابر!
✅ کاهش ۹۹ درصدی حافظه اشغال شده نسبت به روشهای سنتی!
✅ امکان پردازش گرافهایی با ابعاد ۱۰۰ برابر بزرگتر از قبل بدون افت کارایی.
این یعنی در آیندهای نزدیک، آموزش و اجرای مدلهای پیچیده گراف که پیشتر روی GPUهای معمولی غیرممکن بود، به سادگی انجام خواهد شد. 🚀
های_عصبی
منبع: arXiv Machine Learning