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！

龙图腾网获悉武汉大学申请的专利基于采样的GNN训练方法、装置、设备、介质及程序产品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：CN119783746B 。

龙图腾网通过国家知识产权局官网在2025-10-21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：202411573001.5，技术领域涉及：G06N3/08；该发明授权基于采样的GNN训练方法、装置、设备、介质及程序产品是由郑志高;靳松;万国佳;杜博设计研发完成，并于2024-11-05向国家知识产权局提交的专利申请。

本基于采样的GNN训练方法、装置、设备、介质及程序产品在说明书摘要公布了：本申请特别涉及一种基于采样的GNN训练方法、装置、设备、介质及程序产品，包括：确定每个计算设备的划分子图；在预设服务器上分别对划分子图进行预采样，根据采样结果得到每个顶点的采样频率，再得到特征缓存文件；将特征缓存文件映射至目标缓存空间，并基于此提取预设数量的顶点特征得到本地特征缓存，再得到划分子图对应的顶点特征；基于此计算每个计算设备的子梯度，并基于预设的梯度聚合函数对子梯度进行聚合得到聚合后的梯度，并发送聚合后的梯度至每个计算设备，使得每个计算设备重新执行得到的每个计算设备的划分子图对应的顶点特征的步骤，直至满足预设结束条件。由此，解决了通信瓶颈导致分布式系统训练GNN时的高延迟等问题。

本发明授权基于采样的GNN训练方法、装置、设备、介质及程序产品在权利要求书中公布了：1.一种基于采样的GNN训练方法，其特征在于，包括以下步骤： 确定每个计算设备的划分子图； 在预设服务器上分别对所述每个计算设备的划分子图进行预采样，并根据采样结果得到每个顶点的采样频率，并根据所述每个顶点的采样频率得到特征缓存文件，其中，所述根据采样结果得到每个顶点的采样频率，并根据所述每个顶点的采样频率得到特征缓存文件，包括：在预采样过程中，记录每个顶点被选择为采样顶点或邻居顶点的总次数，并根据所述总次数评估在训练期间所述每个顶点的采样频率，且基于所述每个顶点的采样频率对所有顶点进行降序排列，并将选择最常被采样的顶点的特征作为所述特征缓存文件的一部分； 将所述特征缓存文件映射至目标缓存空间，并基于所述特征缓存文件提取预设数量的顶点特征得到本地特征缓存，并根据所述本地特征缓存得到所述每个计算设备的划分子图对应的顶点特征； 基于所述每个计算设备的划分子图对应的顶点特征进行GNN模型计算，得到所述每个计算设备的子梯度，并基于预设的梯度聚合函数对所述每个计算设备的子梯度进行聚合得到聚合后的梯度，并发送所述聚合后的梯度至所述每个计算设备，使得所述每个计算设备基于所述聚合后的梯度重新执行所述根据所述本地特征缓存得到所述每个计算设备的划分子图对应的顶点特征的步骤，直至满足预设结束条件；所述确定每个计算设备的划分子图，包括：计算所述每个计算设备的实际计算能力；根据所述每个计算设备的实际计算能力，基于预设的图划分算法对原始图数据进行划分，得到所述每个计算设备的划分子图；所述每个计算设备的实际计算能力为：；其中，为第个计算设备的实际计算能力，为使用服务器和所述第i个计算设备进行训练所需的每个周期的平均时间，为所述计算设备的类别总数；在将所述特征缓存文件映射至所述目标缓存空间之前，还包括：在训练的第一个周期的第一步，使用预设的Python库函数来获取可用内存空间；将所述可用内存空间划分为备用内存空间和所述目标缓存空间，并在所述目标缓存空间创建内存映射文件，以将所述特征缓存文件映射至所述目标缓存空间；所述根据所述本地特征缓存得到所述每个计算设备的划分子图对应的顶点特征，包括：控制所述每个计算设备对对应的划分子图进行采样，得到所述每个计算设备对应的采样子图；基于所述每个计算设备对应的采样子图中的顶点标识，从所述本地特征缓存中加载所述每个计算设备的划分子图对应的顶点特征，并从预设服务器中加载所述本地特征缓存中不存在的顶点特征。

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武汉大学，其通讯地址为：430072 湖北省武汉市武昌珞珈山；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。