sistemas de recomendação baseados em aprendizagem profunda
Pré-visualização pública
Runtime AI para tarefas de nó único está em versão prévia pública. A API de treinamento distribuído para cargas de trabalho com múltiplas GPUs permanece em versão Beta.
Esta página fornece exemplos em formato de Notebook para a criação de sistemas de recomendação usando AI Runtime. Esses exemplos demonstram como criar modelos de recomendação eficientes usando abordagens modernas de aprendizagem profunda.
Tutorial | Descrição |
|---|---|
Aprenda como converter dados de recomendação para o formato Mosaic Data Shard (MDS) e, em seguida, use esses dados para criar um modelo de recomendação de duas torres. |
Modelo de recomendação de duas torres
Estes notebooks demonstram como converter seus dados de recomendação para o formato Mosaic Data Shard (MDS) e, em seguida, usar esses dados para criar um modelo de recomendação de duas torres. Essa abordagem é particularmente eficaz para sistemas de recomendação em larga escala.
Preparação de dados: Converter dataset do modelo de recomendação para o formato MDS.
Primeiro, converta seu dataset de recomendação para o formato MDS para um carregamento de dados eficiente:
Converter dados
Modelo V: Modelo de recomendação de duas torres usando PyTorch Lightning
Ensinar o modelo de recomendação de duas torres usando o dataset preparado e a API PyTorch Lightning Trainer em vários nós de GPU (GPUs A10 ou H100).