Project Icon

RePlay

全周期推荐系统开发与评估框架

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。

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。
PARL - 灵活高效的强化学习开源框架
GithubPARL分布式训练并行计算开源项目强化学习深度学习
PARL是一个开源的强化学习框架,专注于提供高效、灵活的开发环境。该框架具有良好的可复现性、大规模训练支持、高可重用性和易扩展性。PARL基于Model、Algorithm和Agent三个核心抽象,并提供简洁的分布式训练API。框架支持DQN、DDPG、SAC等多种算法实现,在多个强化学习挑战赛中表现出色。PARL适用于各类复杂任务的智能体训练,为强化学习研究和应用提供了有力工具。
SASRec.pytorch - 基于PyTorch的SASRec模型实现
GithubPyTorchSASRec序列推荐开源项目推荐系统自注意力机制
SASRec.pytorch项目提供了自注意力序列推荐模型的PyTorch实现。相比原始TensorFlow版本,该项目优化了训练和推理流程,修复了正位置嵌入等问题。代码包含模型训练、评估和推理示例,并在MovieLens-1M数据集上展示了NDCG@10和HR@10指标的性能。项目适用于需要在PyTorch环境中研究或应用SASRec模型的人员,为推荐系统领域提供了有价值的开源资源。
RecSysPapers - 推荐系统研究进展与行业实践全面汇总
Github开源项目推荐系统深度学习点击率预测特征交互论文汇总
RecSysPapers项目收录827篇推荐系统相关论文,涉及召回、排序、多任务和多模态等领域。项目持续更新业界进展,提供分类和阅读指引,是推荐系统研究和实践的重要参考。收录论文包括阿里巴巴、谷歌、微软等知名公司的最新实践,对推荐系统技术的理解和应用具有参考价值。
Replicate - 简化AI模型运行与部署的开放平台
AI工具AI模型API云计算开源模型机器学习
Replicate是一个开放的AI模型运行和部署平台。通过简单的API调用,开发者可以使用、微调和部署各种开源AI模型。平台提供自动扩展功能,根据需求调整计算资源,采用按使用量计费模式。Replicate简化了机器学习过程,让开发者能够专注于AI应用的构建,而无需过多关注底层基础设施。
RecoFeed - 本地化个性化推荐引擎 确保数据隐私安全
AI工具RecoFeed个性化推荐向量数据库本地处理用户隐私
RecoFeed是一款本地化AI个性化推荐引擎,利用CloseVector跨平台向量数据库在用户设备上实时生成推荐,确保数据隐私。支持文章、产品、视频等多种内容的实时推荐,基础功能免费。适合开发者构建用户推荐源。目前处于封闭测试阶段,可申请试用。
BARS - 推荐系统开放基准测试项目
BARSGithub基准测试开源项目性能评估推荐系统
BARS项目致力于解决推荐系统领域缺乏统一基准测试的问题。它通过开放式基准测试提高研究可重复性和结果一致性。目前涵盖CTR预测和候选项匹配任务,未来将扩展到列表重排序和多任务推荐领域。该项目鼓励学术界和业界参与,共同推动推荐系统研究的进步。
tuning_playbook - 深度学习模型性能调优指南
Github优化器开源项目批量大小模型性能深度学习超参数调优
该项目提供深度学习模型调优的全面指南,涵盖项目启动、架构选择、优化器配置、批量大小设置等关键环节。它介绍了科学的性能提升方法,以及训练流程优化和实验追踪等实用技巧,旨在帮助提高深度学习模型的性能。
Replicate - 通过API运行和调优开源机器学习模型
AI工具AI开发AI模型Replicate定制模型文本转图像模型模型训练热门高品质图像
Replicate提供了一个云API服务,用户仅需一行代码即可启动、调优以及部署自定义机器学习模型。网站集合了数千种开源模型,支持图像生成、语音合成等多种功能。通过Replicate,企业和开发者能快速将AI模型集成到应用中,无需担心底层基础设施和维护问题。
recommender-system-tutorial - 使用TensorFlow和Keras构建推荐系统的实践教程
GithubMovieLens数据集TensorFlow开源项目推荐系统机器学习深度学习
本项目提供了一个详细的推荐系统开发教程,基于TensorFlow Recommenders和Keras。教程介绍了信息检索和推荐系统基础,通过Jupyter notebook展示了MovieLens数据集处理、特征预处理、检索和排序模型构建,以及Spotify Annoy相似项搜索。内容涵盖了推荐系统的核心技术和实践方法,适合学术研究者和业界专业人士学习。
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