Facebook開(kāi)源DLRM 一種深度學(xué)習(xí)推薦模型

Facebook今天宣布推出深度學(xué)習(xí)推薦模型(DLRM)的開(kāi)源版本，這是一種用于在生產(chǎn)環(huán)境中提供個(gè)性化結(jié)果的最先進(jìn)的AI模型。DLRM可以在GitHub上找到，該模型的實(shí)現(xiàn)可用于Facebook的PyTorch，F(xiàn)acebook的分布式學(xué)習(xí)框架Caffe2和Glow C ++。

推薦引擎決定了人們今天看到的很多內(nèi)容，無(wú)論是Facebook等社交媒體網(wǎng)站，亞馬遜等電子商務(wù)網(wǎng)站的內(nèi)容，還是您在Xbox上看到的第一個(gè)選項(xiàng)。上個(gè)月，亞馬遜將其AI用于AWS上的購(gòu)物推薦系統(tǒng)Personalize 。

5月底在arXiv上發(fā)表的 20多位Facebook AI研究人員的論文解釋了該模型如何使用嵌入表將分類數(shù)據(jù)映射到表示。預(yù)測(cè)函數(shù)多層感知器(MLP)執(zhí)行大部分計(jì)算。

Facebook技術(shù)戰(zhàn)略總監(jiān)Vijay Rao在今年早些時(shí)候的開(kāi)放計(jì)算項(xiàng)目會(huì)議上詳細(xì)闡述了使用神經(jīng)網(wǎng)絡(luò)進(jìn)行大量嵌入的方法。

Facebook人工智能研究(FAIR)開(kāi)放了大量的工作，但其母公司正在免費(fèi)提供DLRM，以幫助更廣泛的AI社區(qū)解決推薦引擎帶來(lái)的挑戰(zhàn)，例如需要神經(jīng)網(wǎng)絡(luò)將分類數(shù)據(jù)與某些相關(guān)聯(lián)更高級(jí)別的屬性。

“盡管推薦和個(gè)性化系統(tǒng)仍然在當(dāng)今的工業(yè)領(lǐng)域取得了很大的深度學(xué)習(xí)成功，但這些網(wǎng)絡(luò)在學(xué)術(shù)界仍然很少受到關(guān)注，”該論文寫(xiě)道。“通過(guò)提供最先進(jìn)的推薦系統(tǒng)及其開(kāi)源實(shí)現(xiàn)的詳細(xì)描述，我們希望提請(qǐng)注意這類網(wǎng)絡(luò)以可訪問(wèn)的方式呈現(xiàn)的獨(dú)特挑戰(zhàn)，以便進(jìn)一步進(jìn)行算法實(shí)驗(yàn)。 ，建模，系統(tǒng)協(xié)同設(shè)計(jì)和基準(zhǔn)測(cè)試。“

DLRM的制造商建議該模型用于對(duì)推薦引擎的速度和準(zhǔn)確性性能進(jìn)行基準(zhǔn)測(cè)試。用于實(shí)驗(yàn)和性能評(píng)估的DLRM基準(zhǔn)測(cè)試是用Python編寫(xiě)的，支持隨機(jī)和合成輸入。

Facebook研究科學(xué)家Dheevatsa Mudigere和Maxim Naumov 今天在一篇博客文章中表示，優(yōu)化的DLRM系統(tǒng)的性能結(jié)果將在未來(lái)公開(kāi)分享。

最近幾周由Facebook開(kāi)源的其他AI模型或框架包括PyRobot，一個(gè)與PyTorch一起工作的機(jī)器人框架，以及PyTorch Hub，一個(gè)工作流程和API，旨在鼓勵(lì)A(yù)I模型的再現(xiàn)性。

Ax和BoTorch，用于機(jī)器學(xué)習(xí)實(shí)驗(yàn)和貝葉斯模型優(yōu)化的工具，于5月與PyTorch 1.1一起推出。

Facebook的推薦工具在過(guò)去一直存在爭(zhēng)議，至少可以說(shuō)。Keras深度學(xué)習(xí)圖書(shū)館創(chuàng)建者FrançoisChollet去年在一篇冗長(zhǎng)的中篇帖子和一系列推文中宣稱，有良知的AI研究人員不應(yīng)該在Facebook工作，部分原因是Facebook推薦引擎的工作方式如今。