全新方案预告：在图数据库中使用GNN对十亿级数据进行全量推理

近年来，图神经网络（GNN）模型已经成为了人工智能领域的一项十分重要的热门技术，取得的成果在学术界和工业界都已经得到了验证。随着人工智能技术的不断发展，GNN模型也将继续在更多领域发挥其作用，为人们的生活带来更多的便利。

但在工业界应用GNN模型时，面临的一个严峻问题是数据量巨大。由于GNN是一种复杂的、多参数的模型，在处理大量数据时会变得非常消耗计算资源。如果要将GNN应用于行业亿级甚至十亿级的数据，就需要高性能的硬件资源才能够支持。

如何利用现有的硬件资源，在不借助GPU的前提下，使用TigerGraph为GNN的训练和推理提供帮助，是一个引起了许多TigerGraph用户关注的问题。

为了解决这个问题，TigerGraph团队提出了一种新的方案。完全不借助额外的硬件资源，只使用普通的商业服务器，即可在十亿级数据上进行GNN训练和推理，并能为新增数据提供实时推理能力。据我们所知，这应该是全球首创。

新的方案不仅为TigerGraph用户提供了一种解决行业数据量巨大的问题的方法，也为整个行业带来了重大突破。在图数据库中使用GNN对十亿级数据进行全量推理，这充分证明了TigerGraph在OLAP（在线分析处理）方面具有非常强大的性能。

我们将在12月15日的TigerGraph图课堂直播课程中与大家一起分享这个创新方案，并期望能够帮助更多的TigerGraph用户解决行业数据量巨大的问题。未来，我们将继续探索更多的应用场景，帮助更多企业探索数据价值。

扫描下方二维码或点击底部“阅读原文”即可报名本次课程。参与直播并与讲师互动就有机会获得TigerGraph定制的虎牌保温杯。