EasyRec-Einführung
Was ist EasyRec?
EasyRec ist ein benutzerfreundliches Framework für Empfehlungen
EasyRec implementiert hochmoderne Deep-Learning-Modelle, die in gängigen Empfehlungsaufgaben verwendet werden: Kandidatengenerierung (Matching), Bewertung (Ranking) und Multitasking-Lernen. Es verbessert die Effizienz der Generierung von Hochleistungsmodellen durch einfache Konfiguration und Hyperparameter-Tuning (HPO).
Legen Sie los
Laufplattform:
- Lokale Beispiele
- MaxCompute
- EMR-DataScience
- PAI-DSW (DEMO)
Warum EasyRec?
Laufen Sie überall hin
- Lokal / MaxCompute / EMR-DataScience / DLC
- TF1.12-1.15 / TF2.x / PAI-TF
Diversifizierte Eingabedaten
- MaxCompute-Tabelle
- HDFS-Dateien / Hive-Tabelle
- OSS-Dateien
- CSV-Dateien / Parquet-Dateien
- Datahub / Kafka-Streams
Einfach zu konfigurieren
- Flexible Funktionskonfiguration und einfache Modellkonfiguration
- Erstellen Sie Modelle, indem Sie einige Komponenten kombinieren
- Effiziente und robuste Feature-Generierung [in Taobao verwendet]
- Schöne Weboberfläche in Entwicklung
Es ist klug
- EarlyStop / Bester Checkpoint-Sparer
- Hyperparametersuche / AutoFeatureCross / Wissensdestillation / Merkmalsauswahl
- In Entwicklung: NAS
Großer Umfang und einfache Bereitstellung
- Unterstützen Sie groß angelegte Einbettungen und Online-Lernen
- Viele parallele Strategien: ParameterServer, Mirrored, MultiWorker
- Einfache Bereitstellung für EAS: automatische Skalierung, einfache Überwachung
- Konsistenzgarantie: Zug und Servieren
Eine Vielzahl von Modellen
- DSSM / MIND / DropoutNet / CoMetricLearningI2I / PDN
- W&D / DeepFM / MultiTower / DCN / FiBiNet / MaskNet / PPNet / CDN
- DIN / BST / CL4SRec
- MMoE / ESMM / DBMTL / AITM / PLE
- HighwayNetwork / CMBF / UNITER
- Weitere Modelle in Entwicklung
Einfach anzupassen
- Unterstützen Sie die komponentenbasierte Entwicklung
- Kundenspezifische Modelle und Komponenten einfach umsetzbar
- Sie müssen sich nicht um Datenpipelines kümmern
Schneller Vektorabruf
- Führen Sie den knn-Algorithmus für Vektoren in der Verteilungsumgebung aus
Dokumentieren
- Heim
- FAQ
- EasyRec Framework (PPT)
Beitragen
Jeder Beitrag, den Sie leisten, wird sehr geschätzt!
- Bitte melden Sie Fehler, indem Sie ein GitHub-Problem einreichen.
- Bitte reichen Sie Beiträge über Pull-Requests ein.
- Weitere Einzelheiten finden Sie im Entwicklungsdokument.
Zitieren
Wenn EasyRec für Ihre Forschung nützlich ist, geben Sie bitte Folgendes an:
@article{Cheng2022EasyRecAE,
title={EasyRec: An easy-to-use, extendable and efficient framework for building industrial recommendation systems},
author={Mengli Cheng and Yue Gao and Guoqiang Liu and Hongsheng Jin and Xiaowen Zhang},
journal={ArXiv},
year={2022},
volume={abs/2209.12766}
}
Kontakt
Begleiten Sie uns
- DingDing-Gruppe: 32260796. Klicken Sie auf diese URL oder scannen Sie QrCode, um beizutreten
- DingDing Group2: 37930014162, klicken Sie auf diese URL oder scannen Sie QrCode, um beizutreten
- E-Mail-Gruppe: [email protected].
Unternehmensdienst
- Wenn Sie EasyRec Enterprise Service-Support benötigen oder Cloud-Produktdienste erwerben, können Sie uns über die DingDing Group kontaktieren.
Lizenz
EasyRec wird unter der Apache-Lizenz 2.0 veröffentlicht. Bitte beachten Sie, dass Bibliotheken von Drittanbietern möglicherweise nicht die gleiche Lizenz wie EasyRec haben.
