Nota
L'accesso a questa pagina richiede l'autorizzazione. È possibile provare ad accedere o modificare le directory.
L'accesso a questa pagina richiede l'autorizzazione. È possibile provare a modificare le directory.
Importante
Il runtime di intelligenza artificiale per le attività a nodo singolo è disponibile in anteprima pubblica. L'API di training distribuita per i carichi di lavoro con più GPU rimane in beta.
Questa pagina fornisce esempi di notebook per la creazione di sistemi di raccomandazione usando il runtime di intelligenza artificiale. Questi esempi illustrano come creare modelli di raccomandazione efficienti usando approcci moderni di Deep Learning.
| Tutoriale | Descrizione |
|---|---|
| Modello di raccomandazione a due torre | Informazioni su come convertire i dati delle raccomandazioni in formato MDS (Mosaic Data Shard) e quindi usare tali dati per creare un modello di raccomandazione a due torre. |
Modello di raccomandazione a due torre
Questi notebook illustrano come convertire i dati di raccomandazione in formato MDS (Mosaic Data Shard) e quindi usare tali dati per creare un modello di raccomandazione a due torre. Questo approccio è particolarmente efficace per i sistemi di raccomandazione su larga scala.
Preparazione dei dati: convertire il set di dati del modello di raccomandazione in formato MDS
Prima di tutto, convertire il set di dati delle raccomandazioni nel formato MDS per un caricamento efficiente dei dati:
Convertire i dati
Addestramento del modello: Modello di raccomandazione a due torri con PyTorch Lightning
Eseguire il training del modello di raccomandazione a due torre usando il set di dati preparato e l'API PyTorch Lightning Trainer su più nodi GPU (GPU A10 o H100).