访问官网
Github
文档项目介绍：TensorFlow Recommenders Addons
背景介绍
TensorFlow Recommenders Addons（简称TFRA）是一个由多个子项目组成的集合，这些项目专注于基于TensorFlow的大规模推荐系统的构建。它通过引入动态嵌入技术，提升TensorFlow在搜索、推荐和广告模型训练中的适用性，使得构建、评估和服务复杂的推荐模型更加简单。TFRA是对TensorFlow核心和TensorFlow Recommenders等的补充。
主要功能
TFRA具备许多关键功能：
- 允许在TensorFlow中训练键值数据结构（动态嵌入）。
- 相较于静态嵌入机制，能在没有哈希冲突的情况下获得更好的推荐效果。
- 与所有原生TensorFlow优化器和初始化器兼容。
- 与原生TensorFlow CheckPoint和SavedModel格式兼容。
- 完全支持在GPU上训练和推理推荐模型。
- 支持使用TensorFlow Serving和Triton Inference Server作为推理框架。
- 支持多种变体键值实现作为动态嵌入存储，并易于扩展；例如，支持[cuckoohash_map] (仅支持CPU)、[HierarchicalKV] (支持GPU)以及[Redis]。
- 基于Horovod支持半同步训练，提供密集权重的同步训练和稀疏权重的异步训练。
子包
TFRA包括以下子包：
tfra.dynamic_embedding：提供动态嵌入功能。tfra.embedding_variable：提供嵌入变量的教程和使用指导。
贡献者
TFRA项目依赖于各方的贡献，包括漏洞修复和文档完善。特别感谢来自NVIDIA Merlin团队和NVIDIA中国DevTech团队，他们在GPU加速技术支持和代码贡献方面提供了帮助。
安装指南
TFRA可以通过PyPI在Linux和macOS系统上安装。要安装最新版本，可以运行以下命令：
pip install tensorflow-recommenders-addons
在版本0.8之前，如果需要安装GPU版本，可以使用以下命令：
pip install tensorflow-recommenders-addons-gpu
与TensorFlow的兼容性
TFRA与TensorFlow的C++ API版本有严格的兼容性绑定关系。虽然TFRA可能与多个版本的TensorFlow兼容，但当版本不匹配时可能会出现段错误或崩溃问题。
在GPU上的使用
TFRA支持在NVIDIA GPU上运行，但需要注意配置GPU内存增长功能。此外，其动态嵌入变量需要专门设置设备才能在GPU上运行。
社区与版权
TFRA社区鼓励开发者通过邮件列表参与，共同推动项目发展。项目使用Apache License 2.0许可。
通过以上全面介绍，可以了解到TensorFlow Recommenders Addons是一个强大的工具，旨在为大规模推荐系统提供支持，并与TensorFlow生态系统中的其他组件无缝集成。这个项目的贡献和持续发展将大大提升推荐系统相关应用的能力与效率。
