[发明专利]图神经网络训练方法、客户端设备及系统

说明书

本发明提供了一种图神经网络训练方法、客户端设备及系统，涉及图神经网络的技术领域，该方法应用于图神经网络训练的客户端设备，首先，响应用户的环境创建操作来创建图神经网络的训练环境，然后响应用户的模型创建操作创建待训练图神经网络，再响应用户的设置操作设置待训练图神经网络的超参数，随后响应用户的训练操作，利用图数据训练集对不同的超参数组合对应的待训练图神经网络进行训练，最终确定出图数据训练集对应的最优超参数组合，本发明在充分利用图数据结构的基础上，快速且自动的得出待训练图神经网络对图数据训练集的最优超参数组合，减少用户调参的工作量，从而缓解了现有技术中的图神经网络训练方法工作效率低的技术问题。

技术领域

本发明涉及图神经网络的技术领域，尤其是涉及一种图神经网络训练方法、客户端设备及系统。

背景技术

图神经网络GNN(Graph Neural Networks)是一种处理图数据的方法，主要是基于深度学习的处理图域信息的方法，能够针对图数据的特性进行处理，因为图数据是不规则(非欧)的，图神经网络在学习之前或者在学习的过程中需要对图数据进行规则化处理，在尽可能保留图结构信息的基础上处理成相同维度的训练样本，常用的方法有近邻节点控制，但是近邻节点控制在解决数据规则化问题的同时，又引入了新的超参数，如近邻节点的数量和排序规则等参数，使得调参的工作量较大，导致寻找最优参数的时间较长。

综上所述，现有技术中的图神经网络训练方法存在工作效率低的技术问题。

发明内容

本发明的目的在于提供一种图神经网络训练方法、客户端设备及系统，以缓解了现有技术中的图神经网络训练方法存在的工作效率低的技术问题。

第一方面，本发明提供一种图神经网络训练方法，应用于图神经网络训练的客户端设备，所述客户端设备与图神经网络训练的服务端设备通信连接，所述方法包括：

响应用户的环境创建操作，利用所述服务端设备的资源创建与所述环境创建操作对应的图训练环境，其中，所述图训练环境包括：物理资源和所述物理资源上部署的镜像资源；

响应所述用户的模型创建操作，根据所述模型创建操作创建待训练图神经网络；

响应所述用户的设置操作，根据所述设置操作对所述待训练图神经网络的超参数进行设置；

响应所述用户的训练操作，利用所述训练操作对应的图数据训练集，对不同的超参数组合对应的所述待训练图神经网络进行训练；

基于不同的超参数组合对应的所述待训练图神经网络的训练效果，确定出所述图数据训练集对应的最优超参数组合。

进一步的，响应用户的环境创建操作，利用所述服务端设备的资源创建与所述环境创建操作对应的图训练环境的步骤，包括：

在所述客户端设备的用户操作界面上展示所述服务端设备的资源供用户选择；

基于所述用户选择的资源生成环境创建操作；调用所述服务端设备所述环境创建操作对应的资源，创建图训练环境；

所述图训练环境中的镜像资源包括深度学习框架和图深度学习框架。

进一步的，所述响应所述用户的模型创建操作，根据所述模型创建操作创建待训练图神经网络的步骤，包括：

响应所述用户的模型创建操作；其中，所述模型创建操作包括自定义模型操作和模型选择操作；

如果所述用户的模型创建操作为自定义模型操作，将所述自定义模型操作对应的自定义图神经网络，确定为待训练图神经网络；

如果所述用户的模型创建操作为模型选择操作，将所述模型选择操作选中的图神经网络确定为待训练图神经网络；

在所述图训练环境中创建所述待训练图神经网络。