Sistemas de recomendação baseados em aprendizagem profunda

Importante

O tempo de execução da IA para tarefas de nó único está em Pré-visualização Pública. A API de treino distribuída para cargas de trabalho multi-GPU permanece em Beta.

Esta página fornece exemplos de cadernos para construir sistemas de recomendação usando IA Runtime. Estes exemplos demonstram como criar modelos de recomendação eficientes usando abordagens modernas de aprendizagem profunda.

Tutorial	Descrição
Modelo de recomendação de duas torres	Aprenda a converter dados de recomendação para o formato Mosaic Data Shard (MDS) e depois use esses dados para criar um modelo de recomendação com duas torres.

Modelo de recomendação de duas torres

Esses blocos de anotações demonstram como converter seus dados de recomendação no formato MDS (Mosaic Data Shard) e, em seguida, usar esses dados para criar um modelo de recomendação de duas torres. Esta abordagem é particularmente eficaz para sistemas de recomendação em grande escala.

Preparação de dados: converter o conjunto de dados do modelo de recomendação para o formato MDS

Primeiro, converta seu conjunto de dados de recomendação para o formato MDS para um carregamento de dados eficiente:

Converter dados

Obter bloco de notas

Treino de modelo: Modelo de recomendação de duas torres usando PyTorch Lightning

Treine o modelo de recomendação de duas torres usando o conjunto de dados preparado e a API PyTorch Lightning Trainer em múltiplos nós GPU (GPUs A10 ou H100).

Recomendador do PyTorch

Obter bloco de notas