NVIDIA 宣布，它將通過提供GPU-accelerated Deep Graph Library （DGL） containers幫助開發人員、研究人員和數據科學家使用圖形神經網絡（GNN）處理具有數十億條邊的大型異構圖形。這些容器將使開發人員能夠在結合PyTorch和PyTorch的集成 GPU 加速環境中更高效地工作。開發人員將能夠通過經過測試、驗證和支持的容器使用端到端 GNN 解決方案，而不是使用昂貴的國產軟件來維護。

亮點包括

DGL 容器–由 DGL 和 PyTorch 的最新版本、它們的依賴項以及最新的性能優化組成，以立即使用 GPU 加速性能運行代碼。

適用于 DGL 容器的 SE（3）-Transformer – 基于 DGL、SE（3）-Transformer 和 PyTorch 的加速神經網絡訓練環境，適用于識別 3 維形狀。例如，這對于分割 LIDAR 點云或在藥物和藥物發現研究中很有用。

Amazon 搜索、 PayPal 和 Pinterest 已經利用了這項技術的早期版本，并取得了巨大的成果。

Amazon 搜索為 Amazon 和電子商務零售商提供產品搜索功能，這些零售商經營的市場受到賣家和買家的信任。為了保持客戶的高度信任， Amazon 搜索正在使用 GNN 檢測惡意賣家、買家和產品。使用CUDA加速 DGL ， Amazon 搜索能夠探索具有 10 秒數百萬個節點和數億條邊的圖形，同時將訓練時間從 24 小時減少到 5 小時。他們還在探索具有數十億條邊的“超大圖”。

貝寶管理著一個在線支付系統，每年有數十億筆交易。隨著用戶數量的不斷增長，他們的目標是通過采樣和關系圖卷積網絡模型訓練，處理 10 秒到 100 秒的數十億個節點和邊，以構建端到端的異構圖。他們希望直接從包含數年支付交易的圖表中近實時地了解特性，并為實際工作應用程序優化稀疏性和分布。

Pinterest 是一個圖像共享和社交媒體平臺，它部署了深度神經網絡來繪制用戶共享圖像的結構化數據。 Pinterest 使用網絡規模的推薦系統，即 GNN 鏈接預測，為每月超過 4 。 5 億的活躍用戶有效地提取見解和推薦 PIN 。

Pinterest 的高級機器學習架構師 Andrew Zhai 說：“ Pinterest 使用具有數十億個節點和邊緣的圖形神經網絡來了解我們超過 300B 引腳的生態系統。我們依靠 GPU 和 NVIDIA 優化庫來訓練和推斷這些模型。”。

開發人員、研究人員和數據科學家可以使用新的 DGL 容器，以加速其 DGL 的開發，并加快 GNN 的采用。要通過集裝箱化解決方案快速利用 GNN ，請申請搶先體驗接到 DGL 容器，或接到 SE （ 3 ） – transformer 連 DGL 容器。

關于作者

About Gordana Neskovic

Gordana Neskovic 是AI/DL產品營銷團隊的成員，負責 NVIDIA Maxine。在加入 NVIDIA 之前，Gordana曾在VMware、Wells Fargo、Pinterest、SFO-ITT和KLA Tencor擔任過各種產品營銷、數據科學家、AI架構師和工程職位。她擁有博士學位。圣塔 Clara 大學，塞爾維亞貝爾格萊德大學電氣工程碩士和學士學位。

審核編輯：郭婷