Not
Åtkomst till den här sidan kräver auktorisering. Du kan prova att logga in eller ändra kataloger.
Åtkomst till den här sidan kräver auktorisering. Du kan prova att ändra kataloger.
Viktigt!
Den här funktionen finns i Beta.
Den här sidan innehåller notebook-exempel för att skapa rekommendationssystem med hjälp av serverlös GPU-beräkning. De här exemplen visar hur du skapar effektiva rekommendationsmodeller med moderna djupinlärningsmetoder.
Rekommendationsmodell för två torn
De här notebook-filerna visar hur du konverterar dina rekommendationsdata till MDS-format (Mosaic Data Shard) och sedan använder dessa data för att skapa en rekommendationsmodell med två torn. Den här metoden är särskilt effektiv för storskaliga rekommendationssystem.
Förberedelse av data: Konvertera rekommendationsmodelldatauppsättning till MDS-format
Konvertera först din rekommendationsdatauppsättning till MDS-formatet för effektiv datainläsning:
Omvandla data
Modellträning: Tvåtornsrekommendatormodell med PyTorch Lightning
Träna modellen med två tornrekommendatorer med hjälp av den förberedda datauppsättningen och PyTorch Lightning Trainer-API:et på flera GPU-noder (A10 eller H100 GPU:er).