【国家标准意见稿】图神经网络模型

图神经网络已经在推荐系统、知识图谱、智能交通等领域得到广泛应用。基于图神经网络的深度学习算法及其衍生应用系统在许多图任务上取得了突破性的进展，但是其具体的实现仍然依赖于不同的算法平台。由于目前没有统一的图神经网络的表示标准，不同的算法平台采用了不同的图神经网络的表示和存储标准；不同图神经网络框架之间不能互操作与协同工作；图数据和图神经网络模型不能在不同平台上直接迁移使用；不同图神经网络框架对于图神经网络粒度定义不同，妨碍了硬件厂商对于图神经网络的加速和优化；对于新出现的算子，框架都需要进行重定义。本文件旨在提供图数据和图神经网络统一的表示，以及模型算子接口的统一规范参考，提升用户对图神经网络模型的复用效果。对于本标准规定的表示方法不要求平台原生支持，可以通过转换、工具包等形式进行支持。本文件的定义可转化为与特定计算设备、框架匹配的形式和实现。GB/T 42382旨在确立适用于不同种类神经网络的表示方法与模型压缩的规范，拟由三个部分组成：

——第 1 部分：卷积神经网络。目的在于确立适用千卷积神经网络的表示与模型压缩标准。

——第 2 部分：大规模预训练模型。目的在于确立适应多种推理平台和计算要求的大规模预训练模型的基本表示方法与加速压缩过程。——第3部分：图神经网络。目的在于确立适应多种计算要求的高效图神经网络模型的基本表示方法与压缩加速过程。

本文件规定了适应多种计算要求的高效图神经网络模型的基本表示方法与压缩加速过程。本文件适用于各种图神经网络模型的研制、开发、测试评估过程，以及在端云领域的高效应用。注：对于本文件规定的表示与模型压缩方法不要求机器学习框架原生支持，可以通过转换、工具包等形式支持。