本发明提供了一种基于分层优化范式的大规模图深度学习计算框架,涉及深度学习技术领域。包括基于块的数据流转换,用于将图形的顶点和边数据分割成小块;数据流图的优化,用于生成一个调度策略;GPU上内核的传播,用于高效的内核传播操作;多GPU的并行处理,用于一个服务器中多个GPU的并行计算。本发明支持大规模的图神经网络(GNNs),不仅可以简单表达模型,而且支持可伸缩和高效的GPUs并行处理引擎。为了表示包含图传播和深度神经网络(DNN)计算的GNN各层递归计算,本发明采用了一种具有分散‑边应用‑聚合‑顶点应用的神经网络(Separation‑UDF_Edge‑Aggregation‑UDF_Vertex with Neural Networks,SUAU‑NN)顶点程序抽象。