Project Icon

torchrec

旨在提供大规模推荐系统所需的常见稀疏性和并行性原语的PyTorch库

TorchRec是一个专为大规模推荐系统设计的PyTorch库,提供稀疏性和并行性解决方案。它支持多种嵌入表分片策略,并能自动优化分片计划。通过流水线训练和优化内核,提高模型性能。还支持量化训练和推理,包含多个验证的模型架构和数据集示例,适用于需要高性能和扩展性的推荐系统项目。

rl - 开源强化学习库TorchRL
TorchRL是专为PyTorch设计的开源强化学习库,提供高效的研究性能。它具备完整Python接口、模块化、定制化及强大扩展性,配备详尽文档和测试,确保用户快速上手且使用可靠。此外,TorchRL包括多种可复用功能,适用于成本、回报处理和数据管理,是开展强化学习研究与应用的理想工具。
Merlin - GPU加速推荐系统解决方案 助力大规模数据处理与模型训练
GPU加速GithubNVIDIA Merlin开源项目推荐系统深度学习特征工程
Merlin是NVIDIA开发的开源库,为推荐系统提供GPU加速解决方案。它包含多个组件如NVTabular和HugeCTR,支持大规模数据处理、特征工程、模型训练和部署。Merlin能处理数百TB数据,通过GPU加速提升系统性能。它兼容TensorFlow、PyTorch等框架,便于构建和优化推荐模型。
recommenderlab - R语言推荐系统开发与评估框架
GithubR包recommenderlab协同过滤开源项目推荐系统评估框架
recommenderlab是一个用于开发和评估推荐系统的R语言框架。它支持用户-物品矩阵的稀疏表示,提供多种主流推荐算法,包括UBCF、IBCF、SVD、Funk SVD、ALS等。框架具备Top-N推荐、交叉验证、评分和二元数据处理等功能。recommenderlab还提供了训练/测试分割、MSE、RMSE、MAE等多种评估方法和指标,适用于电商、内容推荐等多个领域,为推荐系统研究和开发提供了全面的工具支持。
tfrecord - 允许在 python 中有效地读取和写入 tfrecord 文件
GithubPyTorchTFRecordReaderTFRecordWritertfrecord开源项目数据集
该库在Python中提供了高效读取和写入TFRecord文件的方法,并为PyTorch提供了可迭代的数据集读取器。支持无压缩和gzip压缩的TFRecord文件,通过创建索引文件可以避免多线程重复记录。用户还能使用transform函数进行特征后处理,如解码图像和归一化颜色范围。该库简化了多文件读取和顺序数据处理流程。
TensorRT - 提升PyTorch推理效率的工具
CUDAGithubPyTorchTensorRTTorch-TensorRT安装开源项目
Torch-TensorRT将TensorRT的强大功能引入PyTorch,用户仅需一行代码即可显著提升推理性能。该工具支持在多个平台上安装,包括PyPI和NVIDIA NGC PyTorch容器。通过torch.compile或导出式工作流,用户可以高效优化和部署模型。Torch-TensorRT依赖CUDA和TensorRT,与Linux和Windows等多种平台兼容。提供丰富资源,包括教程、工具和技术讲座,供用户学习使用。
MultimodalRecSys - 多模态推荐系统资源与研究进展汇总
Github图神经网络多模态推荐系统开源项目推荐算法深度学习自监督学习
本项目汇总了多模态推荐系统领域的精选资源,包括最新研究论文、开源框架和数据集。内容涵盖通用多模态推荐、基于文本和图像的推荐等方向,并提供详细的文献综述和技术分类。项目重点关注代码实现,为研究人员和开发者提供了深入了解该领域的重要参考。资源列表持续更新,反映多模态推荐系统的最新进展。
SIGIR2020_peterrec - 基于序列行为的参数高效迁移学习推荐方法
GithubPeterRec开源项目推荐系统深度学习用户建模迁移学习
SIGIR2020_PeterRec提出了一种基于用户序列行为的参数高效迁移学习方法,用于改进推荐系统性能。该方法在冷启动等场景中表现出色。项目提供了多个大规模数据集,用于评估各类推荐模型,包括基础模型、可迁移模型、多模态模型和大语言模型。项目还包含PyTorch代码实现和详细的使用说明。
pytorch - 能GPU加速的Python深度学习平台
GPU加速PyTorch深度学习神经网络
PyTorch是一个开源的提供强大GPU加速的张量计算和深度神经网络平台,基于动态autograd系统设计。它不仅支持广泛的科学计算需求,易于使用和扩展,还可以与Python的主流科学包如NumPy、SciPy无缝集成,是进行深度学习和AI研究的理想工具。
HybridBackend - 异构集群上的高性能推荐系统训练框架
GPU优化GithubHybridBackend嵌入层开源项目推荐系统深度学习框架
HybridBackend是一个为异构集群设计的高性能推荐系统训练框架。它优化了分类数据加载、GPU嵌入层处理和大规模训练通信,提高了wide-and-deep模型的训练效率。该框架兼容现有AI工作流,提供多种安装选项和完善的文档。HybridBackend采用开源Apache 2.0许可证,支持社区贡献。
mlgb - 多模型支持的CTR预测和推荐系统库
CTR预测GithubMLGB开源项目推荐系统机器学习深度学习模型
MLGB是一个Python库,集成了50多种CTR预测和推荐系统模型,兼容TensorFlow和PyTorch框架。该库提供简洁的API,方便快速调用复杂模型。通过代码优化,MLGB实现了高效性能,为研究和工程实践提供了多样化的模型选择。
项目侧边栏1项目侧边栏2
推荐项目
Project Cover

豆包MarsCode

豆包 MarsCode 是一款革命性的编程助手,通过AI技术提供代码补全、单测生成、代码解释和智能问答等功能,支持100+编程语言,与主流编辑器无缝集成,显著提升开发效率和代码质量。

Project Cover

AI写歌

Suno AI是一个革命性的AI音乐创作平台,能在短短30秒内帮助用户创作出一首完整的歌曲。无论是寻找创作灵感还是需要快速制作音乐,Suno AI都是音乐爱好者和专业人士的理想选择。

Project Cover

有言AI

有言平台提供一站式AIGC视频创作解决方案,通过智能技术简化视频制作流程。无论是企业宣传还是个人分享,有言都能帮助用户快速、轻松地制作出专业级别的视频内容。

Project Cover

Kimi

Kimi AI助手提供多语言对话支持,能够阅读和理解用户上传的文件内容,解析网页信息,并结合搜索结果为用户提供详尽的答案。无论是日常咨询还是专业问题,Kimi都能以友好、专业的方式提供帮助。

Project Cover

阿里绘蛙

绘蛙是阿里巴巴集团推出的革命性AI电商营销平台。利用尖端人工智能技术,为商家提供一键生成商品图和营销文案的服务,显著提升内容创作效率和营销效果。适用于淘宝、天猫等电商平台,让商品第一时间被种草。

Project Cover

吐司

探索Tensor.Art平台的独特AI模型,免费访问各种图像生成与AI训练工具,从Stable Diffusion等基础模型开始,轻松实现创新图像生成。体验前沿的AI技术,推动个人和企业的创新发展。

Project Cover

SubCat字幕猫

SubCat字幕猫APP是一款创新的视频播放器,它将改变您观看视频的方式!SubCat结合了先进的人工智能技术,为您提供即时视频字幕翻译,无论是本地视频还是网络流媒体,让您轻松享受各种语言的内容。

Project Cover

美间AI

美间AI创意设计平台,利用前沿AI技术,为设计师和营销人员提供一站式设计解决方案。从智能海报到3D效果图,再到文案生成,美间让创意设计更简单、更高效。

Project Cover

稿定AI

稿定设计 是一个多功能的在线设计和创意平台,提供广泛的设计工具和资源,以满足不同用户的需求。从专业的图形设计师到普通用户,无论是进行图片处理、智能抠图、H5页面制作还是视频剪辑,稿定设计都能提供简单、高效的解决方案。该平台以其用户友好的界面和强大的功能集合,帮助用户轻松实现创意设计。

投诉举报邮箱: service@vectorlightyear.com
@2024 懂AI·鲁ICP备2024100362号-6·鲁公网安备37021002001498号