recommender

介绍

recommender仓旨在提供主流推荐网络模型高效训练的解决方案及流程指导，训练方案结合了昇思MindSpore自动并行、图算融合及多级Embedding Cache等能力；我们提供了开箱即用的数据集下载与转换工具、模型训练样例、BenchMark复现，降低开发者入门门槛。

仓库结构

└── recommender
    ├── benchmarks            // 推荐网络训练性能benchmarks
    ├── datasets              // 数据集下载与转换工具
    ├── mindspore_rec         // 推荐网络训练相关API
    │   └── train
    ├── models                // 典型推荐网络模型端到端训练指导
    │   ├── deep_and_cross
    │   └── wide_deep
    ├── README.md
    ├── build.sh
    └── setup.py

模型库

模型逐步迁移中，目前models目录包含Wide&Deep、Deep&Cross Network(DCN)模型的端到端训练流程使用指导，直接下载recommender源码即可使用，无需编译构建。训练不同模型会有少量的Python依赖包需要安装，详见各个模型目录中的requirements.txt

安装说明

如果需要使用在线训练能力，需要构建安装recommender。

1.克隆代码

git clone https://gitee.com/mindspore/recommender.git
cd recommender

2.构建安装

bash build.sh
pip install output/mindspore_rec-{recommender_version}-py3-none-any.whl

使用样例

from mindspore_rec import RecModel as Model
#model定义同mindspore.model
...
model.online_train(self, train_dataset, callbacks=None, dataset_sink_mode=True)
...

社区

治理

查看MindSpore如何进行开放治理。

参与贡献

欢迎参与贡献。更多详情，请参阅我们的贡献者Wiki。

许可证

Apache License 2.0