MindSpore Recommender 文档

MindSpore Recommender是一个构建在MindSpore框架基础上，面向推荐领域的开源训练加速库，通过MindSpore大规模的异构计算加速能力，MindSpore Recommender支持在线以及离线场景大规模动态特征的高效训练。

MindSpore Recommender加速库由如下部分组成：

  • 在线训练：通过流式读取实时数据源中的数据 (例如：Kafka)，以及在线的实时数据加工，实现实时数据的在线训练以及增量模型更新，从而支持对于模型有实时更新需要的业务场景；

  • 离线训练：面向传统的离线数据集训练场景，通过自动并行、分布式特征缓存、异构加速等技术方案，支持包含大规模特征向量的推荐模型训练；

  • 数据处理：MindSpore Pandas和MindData提供了在离线数据的读取和处理能力，通过全Python的表达支持，节省了多语言和多框架开销，同时打通了数据处理和模型训练的高效数据流转链路；

  • 模型库：包含持续丰富的典型推荐模型训练，经过严格的精度和性能验证，支持开箱即用。

代码仓地址： <https://github.com/mindspore-lab/mindrec>

安装部署

使用指南

API参考

RELEASE NOTES