技术分享：torch.compile在GammaGL上的实践

技术分享：torch.compile在GammaGL上的实践本次技术分享主要聚焦于 PyTorch 2.0 版本更新的内容在 GammaGL 上的应用，带领读者进一步了解 torch.compile 的使用方法以及在 GammaGL 上的应用实践。1 引言目前，研究人员选择的主流深度学习编程框架为 PyTorch，PyTorch 为研究人员提供了以下优秀的功能：简单、高效的编程接口自动微分数据处理与管理模型部署与训练硬件加速随着开发人员的优化推进，PyTorch 在 2.0版本推出最新的优化方法：torch.compile，它采用 JIT (Just In Time)  编译的方式将 PyTorch 代码转化为高效的内核，而用户无需修改很多的代码。利用该方法，用户可以构建更加高效的代码，缩短模型训练的运行时间，有助于研究人员的实验验证。专用于优化图神经网络实现的图神经网络框架大多建立在深度学习框架之上，例如 PyTorch-Geometric (PyG)  建立在PyTorch之上 ………………………………