Project Icon

PERSIA

突破百万亿参数的推荐模型训练框架

PERSIA代表'并行推荐训练系统与混合加速',是一个创新的开源框架,专为训练超大规模深度学习推荐模型而设计。该系统能够处理高达100万亿参数的模型,在效率和可扩展性方面表现卓越。PERSIA不仅在公共数据集上展现出优势,还在大型商业应用中得到实际验证。作为首个公开的PyTorch基础推荐训练系统,PERSIA为推荐算法的研究和应用开辟了新的可能性。

HugeCTR - GPU加速的大规模深度学习推荐系统框架
GPU加速GithubHugeCTR嵌入开源项目推荐系统深度学习
HugeCTR是专为大规模深度学习模型设计的GPU加速推荐系统框架,支持高效训练和推理。框架在MLPerf等基准测试中性能卓越,提供直观的API接口,并具备大规模嵌入等核心功能。HugeCTR实现了模型并行训练、混合精度计算、嵌入缓存等先进特性,可高效部署超大规模嵌入的推荐模型。
DeepRec - 基于TensorFlow的推荐系统框架 支持万亿级训练和优化
DeepRecGithub分布式训练开源项目推荐系统模型优化深度学习框架
DeepRec是一个基于TensorFlow的推荐系统深度学习框架。它支持万亿级样本和参数的分布式训练,提供嵌入变量、优化器等关键功能。该框架在CPU和GPU平台上进行了性能优化,包括运行时、算子和图级优化。DeepRec还支持增量检查点、分布式服务和在线学习等部署功能,为大规模推荐模型提供全面解决方案。
RePlay - 全周期推荐系统开发与评估框架
GithubRePlay开源项目推荐系统数据预处理模型评估超参数优化
RePlay是一个覆盖推荐系统全生命周期的开发评估框架。它集成了数据预处理、模型构建、参数优化、性能评估和模型集成等功能。该框架支持CPU、GPU等多种硬件,并可与PySpark结合实现分布式计算。RePlay能帮助开发者顺利将推荐系统从离线实验转到在线生产环境,提升系统的可扩展性和适应性。
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
CUDAFBGEMMGithubPyTorchTorchRec开源项目推荐系统
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。
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。
EasyRec - 开源深度学习推荐系统框架
EasyRecGithub大规模模型开源项目推荐系统深度学习自动化
EasyRec是一个开源的推荐系统框架,集成了多种深度学习模型,用于候选生成、评分和多任务学习等推荐任务。该框架支持多种运行平台和数据输入方式,提供简单配置、智能功能和丰富的模型选择。EasyRec通过简化配置和超参数调优,提高了高性能模型的生成效率。它还支持大规模部署、自定义开发和快速向量检索,适用于多种推荐场景。
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。
pecos - 用于大规模输出空间的高效机器学习框架
GithubPECOS大规模输出空间开源项目快速推理机器学习框架极端多标签排序
PECOS是一个专注于解决大规模输出空间问题的机器学习框架。它主要应用于极端多标签排序和大规模检索等任务,能在数百万候选项中快速识别和排序相关输出。该框架集成了X-Linear、XR-Transformer等算法和HNSW近似最近邻搜索技术,支持实时推理和海量数据处理。PECOS的设计灵活,可适应多种应用场景,为大规模机器学习任务提供了高效解决方案。
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
GithubPyTorchPythonRecBoleRecBole2.0开源项目推荐系统
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。
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。
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