Sistemas de recomendação baseados em aprendizagem profunda
Beta
Esse recurso está na versão beta.
Esta página fornece exemplos de Notebook para a criação de sistemas de recomendação usando GPU sem servidor compute. Esses exemplos demonstram como criar modelos de recomendação eficientes usando abordagens modernas de aprendizagem profunda.
Modelo de recomendação de duas torres
Este Notebook demonstra como converter seus dados de recomendação no 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 grande escala.
Preparação de dados: Converter o modelo de recomendação dataset para o formato MDS
Primeiro, converta sua recomendação dataset 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).