买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！

龙图腾网获悉杭州电子科技大学申请的专利一种基于异构设备的分布式图神经网络训练方法获国家发明授权专利权，本发明授权专利权由国家知识产权局授予，授权公告号为：CN119089968B 。

龙图腾网通过国家知识产权局官网在2025-09-23发布的发明授权授权公告中获悉：该发明授权的专利申请号/专利号为：202411042515.8，技术领域涉及：G06N3/084；该发明授权一种基于异构设备的分布式图神经网络训练方法是由张峻;朱航宇;孔小宇;梁尚清;韦博设计研发完成，并于2024-07-31向国家知识产权局提交的专利申请。

本一种基于异构设备的分布式图神经网络训练方法在说明书摘要公布了：本发明公开了一种基于异构设备的分布式图神经网络训练方法，本发明通过对大型的图数据进行数据处理，采用图切割算法获得若干个节点和边平衡的子图；采用动态规划的算法得出一个最优的设备放置方案，根据异构设备的训练能力来规划每个设备的训练任务量，使得所有设备在同一个迭代中尽可能同时的完成训练任务，从而提高边缘设备的利用率。同时增加了容错机制，使得在网络节点发生错误或丢失时，网络仍能够保持一定的功能性能。

本发明授权一种基于异构设备的分布式图神经网络训练方法在权利要求书中公布了：1.一种基于异构设备的分布式图神经网络训练方法，其特征在于： 具体包括如下步骤： 步骤A：对每个参与训练的异构设备进行训练能力的评估，得到每个设备训练能力的参数，并将每个设备的训练能力进行排序，具体为： 中心节点向每一个设备发送一个相同的子图训练任务采用相同的训练模型和训练参数，记录下每个设备进行前向传播和反向传播的时间，从而得到每个设备的训练能力，并将其进行排序，为后续最大化利用每一个训练设备做准备； 步骤B：对大型的图数据进行数据处理，采用图切割算法获得若干个节点和边平衡的子图； 步骤C：采用动态规划的算法得出一个最优的设备放置方案，训练能力强的设备将会获得较多的训练任务，训练能力弱的设备获得较少的训练任务，根据所得的方案策略将各个子图放置在对应的设备上训练，使得每一个设备在同一时间内完成算法分配的训练任务； 步骤D：对子图进行训练节点的采样，得到一组mini-batch，将mini-batch加载进神经网络中进行训练； 步骤E：采用对应的图神经网络模型训练子图，并将参数同步给中心节点进行参数汇聚并保存，汇聚后所得相应参数通过广播分发给每个训练设备进行新一轮的训练；图神经网络通过聚合目标顶点的边缘邻居信息来生成中间嵌入，然后使用神经网络将聚合特征转换为输出特征，作为输入特征发送到下一层；将多个图神经网络层叠加后，得到最终的嵌入； 具体来说，图神经网络训练顶点的表示如下：；； 其中为顶点聚集的邻居信息，为与顶点相连的顶点集，表示顶点的邻居数，为顶点在第层的嵌入，表示非线性激活函数，为第层的可学习参数； 每一轮训练完成时，将参数以及训练轮数发送给中心节点，中心节点收到每个设备的参数时进行汇聚得到新的参数，并广播给所有训练设备，所有设备在收到新参数后进行下一轮的训练； 步骤F：启用容错检测机制，检测每一轮训练设备是否能正常训练、正常传递参数，直到完成训练；训练过程中，若出现异常，则回到步骤C获取新的最优放置策略，并将出现异常的上一轮参数广播给所有训练设备进行参数同步，重新训练，减少因故障影响造成的损失，等到图数据训练到收敛状态时停止训练。

如需购买、转让、实施、许可或投资类似专利技术，可联系本专利的申请人或专利权人杭州电子科技大学，其通讯地址为：310018 浙江省杭州市下沙高教园区2号大街；或者联系龙图腾网官方客服，联系龙图腾网可拨打电话0551-65771310或微信搜索“龙图腾网”。

以上内容由龙图腾AI智能生成。