懂AI
RecBole

RecBole

基于Python和PyTorch的推荐系统框架，支持91种算法和43个数据集

RecBole是一个基于Python和PyTorch的推荐系统框架，旨在高效地复现和开发推荐算法。该框架包含91种算法，涵盖通用推荐、序列推荐、情境推荐和知识推荐四大类。RecBole支持43个基准数据集，并提供GPU加速和标准评估协议以满足研究需求。最新版本增加了扩展包，提升用户体验，并支持多GPU和混合精度训练。

RecBole推荐系统PythonPyTorchRecBole2.0Github开源项目
访问官网GitHub论文文档

项目介绍：RecBole（伯乐）

RecBole 是一个基于 Python 和 PyTorch 的统一、综合且高效的推荐算法开发与复现框架，专为学术研究而设计。该项目的名称源自于韩愈的《马说》，意在强调伯乐对千里马的重要性。在大数据时代，RecBole 站在了推进科技发展的前沿，通过提供丰富的推荐系统模型与数据集，帮助研究者快速实现算法测试及新模型的开发。

RecBole 的主要功能

统一且可扩展的数据结构

RecBole 设计了统一且可扩展的数据结构，使得不同推荐系统数据集在格式与使用上实现统一。这一特点使得研究人员在开发过程中无需纠结于数据格式转换，专注于算法的优化与创新。

综合性的标准模型与数据集

RecBole 实现了 91 种常用的推荐算法，涵盖了通用推荐、序列推荐、上下文感知推荐以及基于知识的推荐四大类。此外，RecBole 提供了 43 个标准推荐数据集，用户可以利用团队提供的脚本来处理原始数据，或直接下载已经处理好的数据集，方便快捷。

高效的 GPU 加速执行

为了提高执行效率，RecBole 针对 GPU 环境进行了多项优化，使得模型在训练时可以高效利用 GPU 资源。在处理大规模数据集时，这一点尤为重要，能够显著缩短训练时间。

标准化的评估协议

RecBole 支持多种广泛应用的评估协议，帮助研究人员在测试和比较推荐算法时，能够得到可靠且一致的结果。这些评估协议涵盖了从简单的指标计算到复杂的实验设置，适用于不同的实验需求。

最新版本更新

RecBole 在最新的更新中着重提升了其易用性和用户友好性，使其更加适合研究人员作为推荐系统的基准库使用。在更新中，项目团队制定了详细的开发指南，改善了文档的组织结构，并增加了常见问题解答，提升了用户体验。

安装指南

RecBole 兼容 Linux、Windows 10 和 macOS X 操作系统，要求 Python 版本不低于 3.7，torch 版本不低于 1.7.0。以下是安装方法：

  • 使用 conda 安装：

    conda install -c aibox recbole

  • 使用 pip 安装：

    pip install recbole

  • 从源代码安装：

    git clone https://github.com/RUCAIBox/RecBole.git && cd RecBole
pip install -e . --verbose

快速入门

开发者可以使用 RecBole 提供的脚本进行快速体验，运行以下命令即可测试 BPR 模型在 ml-100k 数据集上的表现：

python run_recbole.py

运行后，用户可以观察到训练过程的详细信息以及模型评估结果，这为进一步的开发与优化提供了良好的起点。

开源贡献与合作

RecBole 项目拥有多个相关的 GitHub 项目，为数据处理、模型开发、算法训练和科学评估提供了一站式解决方案。项目欢迎各种形式的贡献，包括 Bug 修复、新功能开发，以及项目的扩展。

引用

如果 RecBole 为您的研究或开发提供了帮助，请参考以下论文进行引用：

  • RecBole 1.0
  • RecBole 2.0
  • RecBole 1.2.0

通过这些论文，研究人员可以深入了解 RecBole 的开发背景及其在推荐系统领域的贡献。

感谢与支持

本项目得到了中国国家自然科学基金项目（No. 61832017）的支持，感谢所有为 RecBole 项目做出贡献的开发者和研究人员。项目使用 MIT 许可协议，所有数据和代码仅限用于学术用途。

编辑推荐精选

openai-agents-python

openai-agents-python

OpenAI Agents SDK，助力开发者便捷使用 OpenAI 相关功能。

openai-agents-python 是 OpenAI 推出的一款强大 Python SDK，它为开发者提供了与 OpenAI 模型交互的高效工具，支持工具调用、结果处理、追踪等功能，涵盖多种应用场景，如研究助手、财务研究等，能显著提升开发效率，让开发者更轻松地利用 OpenAI 的技术优势。

Hunyuan3D-2

Hunyuan3D-2

高分辨率纹理 3D 资产生成

Hunyuan3D-2 是腾讯开发的用于 3D 资产生成的强大工具，支持从文本描述、单张图片或多视角图片生成 3D 模型，具备快速形状生成能力，可生成带纹理的高质量 3D 模型，适用于多个领域，为 3D 创作提供了高效解决方案。

3FS

3FS

一个具备存储、管理和客户端操作等多种功能的分布式文件系统相关项目。

3FS 是一个功能强大的分布式文件系统项目，涵盖了存储引擎、元数据管理、客户端工具等多个模块。它支持多种文件操作，如创建文件和目录、设置布局等，同时具备高效的事件循环、节点选择和协程池管理等特性。适用于需要大规模数据存储和管理的场景，能够提高系统的性能和可靠性，是分布式存储领域的优质解决方案。

TRELLIS

TRELLIS

用于可扩展和多功能 3D 生成的结构化 3D 潜在表示

TRELLIS 是一个专注于 3D 生成的项目，它利用结构化 3D 潜在表示技术，实现了可扩展且多功能的 3D 生成。项目提供了多种 3D 生成的方法和工具，包括文本到 3D、图像到 3D 等，并且支持多种输出格式，如 3D 高斯、辐射场和网格等。通过 TRELLIS，用户可以根据文本描述或图像输入快速生成高质量的 3D 资产，适用于游戏开发、动画制作、虚拟现实等多个领域。

ai-agents-for-beginners

ai-agents-for-beginners

10 节课教你开启构建 AI 代理所需的一切知识

AI Agents for Beginners 是一个专为初学者打造的课程项目，提供 10 节课程，涵盖构建 AI 代理的必备知识，支持多种语言，包含规划设计、工具使用、多代理等丰富内容，助您快速入门 AI 代理领域。

AEE

AEE

AI Excel全自动制表工具

AEE 在线 AI 全自动 Excel 编辑器，提供智能录入、自动公式、数据整理、图表生成等功能，高效处理 Excel 任务，提升办公效率。支持自动高亮数据、批量计算、不规则数据录入，适用于企业、教育、金融等多场景。

UI-TARS-desktop

UI-TARS-desktop

基于 UI-TARS 视觉语言模型的桌面应用，可通过自然语言控制计算机进行多模态操作。

UI-TARS-desktop 是一款功能强大的桌面应用，基于 UI-TARS（视觉语言模型）构建。它具备自然语言控制、截图与视觉识别、精确的鼠标键盘控制等功能，支持跨平台使用（Windows/MacOS），能提供实时反馈和状态显示，且数据完全本地处理，保障隐私安全。该应用集成了多种大语言模型和搜索方式，还可进行文件系统操作。适用于需要智能交互和自动化任务的场景，如信息检索、文件管理等。其提供了详细的文档，包括快速启动、部署、贡献指南和 SDK 使用说明等，方便开发者使用和扩展。

Wan2.1

Wan2.1

开源且先进的大规模视频生成模型项目

Wan2.1 是一个开源且先进的大规模视频生成模型项目，支持文本到图像、文本到视频、图像到视频等多种生成任务。它具备丰富的配置选项，可调整分辨率、扩散步数等参数，还能对提示词进行增强。使用了多种先进技术和工具，在视频和图像生成领域具有广泛应用前景，适合研究人员和开发者使用。

爱图表

爱图表

全流程 AI 驱动的数据可视化工具，助力用户轻松创作高颜值图表

爱图表（aitubiao.com）就是AI图表，是由镝数科技推出的一款创新型智能数据可视化平台，专注于为用户提供便捷的图表生成、数据分析和报告撰写服务。爱图表是中国首个在图表场景接入DeepSeek的产品。通过接入前沿的DeepSeek系列AI模型，爱图表结合强大的数据处理能力与智能化功能，致力于帮助职场人士高效处理和表达数据，提升工作效率和报告质量。

Qwen2.5-VL

Qwen2.5-VL

一款强大的视觉语言模型，支持图像和视频输入

Qwen2.5-VL 是一款强大的视觉语言模型，支持图像和视频输入，可用于多种场景，如商品特点总结、图像文字识别等。项目提供了 OpenAI API 服务、Web UI 示例等部署方式，还包含了视觉处理工具，有助于开发者快速集成和使用，提升工作效率。

下拉加载更多