1.2 GCN

GCN（Graph Convolution Network，圖卷積網(wǎng)絡(luò)）是GNN（Graph Neural Network，圖神經(jīng)網(wǎng)絡(luò)）中的一種，可以認(rèn)為是CNN的一種推廣。對于CNN，其輸入數(shù)據(jù)（pixel）在空間上是均勻分布的二維陣列，而GCN打破了這種均勻分布，pixel之間通過圖的原語—vertex、edge進(jìn)行描述。GCN和CNN的基本算子有很大的相似性，主要是卷積運(yùn)算和激活函數(shù)。

GCN的特別之處在于引入了圖的概念，需要額外的信息來表示圖的結(jié)構(gòu)，比如鄰接矩陣。卷積運(yùn)算只作用于圖中有連接的vertex，這個過程叫作聚合（Aggregation）。除此之外，GCN一般還有和CNN類似的采樣（Sampling）和池化（Pooling）模塊。這些模塊的分布情況如圖1-2所示。

從硬件設(shè)計的角度看，GCN模塊之間的關(guān)系如圖1-3所示。

從硬件架構(gòu)的角度看，GCN加速器主要面臨的挑戰(zhàn)有以下幾個方面。

?不規(guī)則的內(nèi)存訪問。

?不規(guī)則的數(shù)據(jù)復(fù)用情況。

?平衡卷積和全連接（Fully Connected，F(xiàn)C）兩種運(yùn)算單元之間的負(fù)載。

?圖的動態(tài)切分。

圖1-2 GCN模塊分布

圖1-3 GCN模塊之間的關(guān)系