Systèmes de recommandation basés sur le Deep learning
Ces notebooks créent des systèmes de recommandation de deep learning sur AI Runtime. Ils montrent comment créer un modèle de recommandation à deux tours en utilisant PyTorch Lightning pour l'entraînement distribué.
Exemple | Interface | Description |
|---|---|---|
Notebook | Découvrez comment créer un modèle de recommandation à deux tours à l'aide de PyTorch Lightning pour l'entraînement distribué. | |
CLI | Entraîner et évaluer un moteur de recommandation de films à deux tours sur MovieLens 1M sur un GPU A10. | |
Rechercher des documents techniques avec des embeddings Qwen3 | CLI | Créer des embeddings de texte Qwen3 pour des documents techniques sur un GPU A10 et renvoyer des documents sémantiquement similaires pour chaque query. |
CLI | Entraînez un modèle de taux de clic sur les données Criteo sur quatre nœuds A10 avec le partitionnement TorchRec. | |
CLI | Entraînez un modèle XGBoost LambdaMART sur un GPU A10 pour classer les résultats de recherche par pertinence. |