Facebook 今天發布了深度學習

推薦模型(Deep Learning Recommendation Model，DLRM)的開源版本[1]，這是一個在生產環境中提供個性化結果的人工智慧模型。該模型實現可用在 Facebook 的 PyTorch、分散式學習框架Caffe2和 Glow C++。

Facebook 人工智慧研究員在5月底的 arXiv 上發表了一篇論文[2]，該論文解釋這個模型是如何使用embedding table將分類數據作映射的，其中預測函數多層感知器(Multilayer Perceptrons，MLP)執行主要計算。用於實驗和性能評估的 DLRM 是用 Python 編寫的，最後的優化結果將在之後公佈。

模型輸入包括稠密和稀疏特徵，前者是一個浮點值的向量，後者是嵌入表中的稀疏索引列表，由浮點值向量組成。 選擇的向量被傳遞給由三角形表示的 mlp 網路，在某些情況下，向量通過操作符(Ops)相互作用，如下圖所示，代碼支持kaggle數據集測試。

來自github

參考

  1. ^https://github.com/facebookresearch/dlrm
  2. ^https://arxiv.org/abs/1906.00091

推薦閱讀：

相關文章