比赛题目

题名

图卷积神经网络推理问题的计算优化。

比赛内容

GCN通常由多个图卷积层（隐藏层）构成，接受图结构G=<V, E>及图的顶点特征矩阵 作为输入，最终生成的新顶点特征矩阵作为输出。单个图卷积层的传播公式如下：

其中l表示层号，α为激活函数， 为归一化后的图邻接矩阵，为输入顶点特征矩阵，为权重矩阵，为输出顶点特征矩阵。归一化邻接矩阵A ̂的计算公式为：。

其中A为图邻接矩阵（默认包含自环），D为A对应的顶点度矩阵（对角矩阵）。

多层图神经网络

本次比赛中GCN固定由两个图卷积层构成，第一层的激活函数使用ReLU，第二层使用LogSoftmax。

ReLU函数定义为：

LogSoftmax函数定义为：

任务

参赛者需在CPU平台上，对给定数据集，在不损失计算精度（计算的中间过程及其最后结果应全部采用32位浮点数精度）的情况下，以尽可能短的时间完成GCN推理的计算。
样例见：example.tar.gz

注：本次比赛仅限使用CPU平台，不能使用GPU以及其他硬件设备。

数据规模

GCN模型：
， ，

图规模：

顶点\边	<500K	<1M	<5M
<500K	1	1	2
<1M		1	1
<5M			1

表中数字表示作为测试集的相应规模图的个数

参赛者在提交之前，可使用RMAT（https://github.com/farkhor/PaRMAT）和PyTorch自行生成随机图文件、随机顶点特征及随机权重矩阵进行测试。