本記事は、2019年インターンシップで勤務した 阿部健信 さんによる寄稿です。 こんにちは。2019年夏季インターンに参加した東京大学の阿部健信です。「Chainer Chemistryの大規模グラフのタスクへの拡張」というテーマで取り組んだ内容を説明させていただきます。インターン内容のスライドはこちらにアップロードされています。 TLDR; Chainer Chemistryで大規模グラフのデータを扱えるようにしました。 convolution演算を\( O(V^2) \)から\( O(E) \)にしました。 メモリ使用量も抑えて、PyTorch Geometricでは動かないRedditデータセット(23万頂点, 1100万辺)を16GBのsingle GPU上で学習できるようにしました。 はじめに 入力としてグラフを受け取ることのできる、Graph Neural Network(GN
![Chainer Chemistryの大規模グラフのタスクへの拡張 - Preferred Networks Research & Development](https://cdn-ak-scissors.b.st-hatena.com/image/square/53c0bf3423cc2deca65702a1f33bd8fe7696d72d/height=288;version=1;width=512/https%3A%2F%2Ftech.preferred.jp%2Fwp-content%2Fuploads%2F2019%2F10%2Fgraph-neural-network-with-sparse-data-structure.png)