格拉夫拉布

GraphLab：一种新的并行机器学习框架。设计和实现高效、可证明正确的并行机器学习（ML）算法是一个挑战。现有的高级并行抽象（如MapReduce）表达能力不足，而MPI和Pthreads等低级工具让ML专家反复解决相同的设计难题。通过针对ML中的常见模式，我们开发了GraphLab，它改进了像MapReduce这样的抽象，在保证数据一致性和实现高度并行性能的同时，紧凑地表达具有稀疏计算依赖性的异步迭代算法。我们通过设计和实现信念传播、Gibbs抽样、Co-EM、Lasso和压缩感知的并行版本，展示了GraphLab框架的表达能力。我们证明了使用GraphLab可以在大规模的实际问题上获得出色的并行性能。