Important
この機能は ベータ版です。
このページでは、サーバーレス GPU コンピューティングを使用してレコメンデーション システムを構築するためのノートブックの例を示します。 これらの例では、最新のディープ ラーニング アプローチを使用して効率的なレコメンデーション モデルを作成する方法を示します。
これらのノートブックを実行する前に、 ベスト プラクティスのチェックリストを参照してください。
2タワー推奨モデル
これらのノートブックは、レコメンデーション データをモザイク データ シャード (MDS) 形式に変換し、そのデータを使用して 2 タワーのレコメンデーション モデルを作成する方法を示しています。 このアプローチは、大規模なレコメンデーション システムに特に効果的です。
データ準備: 推奨モデル データセットを MDS 形式に変換する
最初に、推奨データセットを MDS 形式に変換して、効率的なデータ読み込みを行います。
Notebook
モデル トレーニング: PyTorch Lightning を用いたツータワーレコメンデーションモデル
準備されたデータセットと、複数の GPU ノード (A10 または H100 GPU) で PyTorch Lightning Trainer API を使用して、2 タワーレコメンデーション モデルをトレーニングします。