قابلية التوسع
Scalability
القدرة على تدريب GNN على رسوم بملايين العقد والروابط.
الشرح
العائق ذاكرة الجوار المتنامي مع الطبقات. الحلول: أخذ العيّنات من الجوار (GraphSAGE)، تقسيم الرسم إلى عناقيد (Cluster-GCN)، أو حساب مسبق للتجميع. المختبر في المتصفح يعمل حتى 400 عقدة، وما فوق ذلك عبر Python.
المراجع
- Chiang, W.-L., Liu, X., Si, S., Li, Y., Bengio, S., & Hsieh, C.-J. (2019). Cluster-GCN: An Efficient Algorithm for Training Deep and Large Graph Convolutional Networks. Proceedings of the 25th ACM SIGKDD International Conference on Knowledge Discovery & Data Mining. DOI: 10.1145/3292500.3330925تدريب GCN على رسوم كبيرة بتقسيمها إلى عناقيد.
- Hamilton, W. L., Ying, R., & Leskovec, J. (2017). Inductive Representation Learning on Large Graphs. Advances in Neural Information Processing Systems (NeurIPS). arXiv: 1706.02216الورقة الأصلية لـ GraphSAGE والتعلم الاستقرائي بالعيّنات من الجوار.
