Facebook 开源深度学习推荐模型 DLRM-低调大师

Facebook 开源深度学习推荐模型 DLRM

2019-07-04 879

Facebook 宣布推出深度学习推荐模型（DLRM）的开源版本，这是一种最先进的个性化推荐 AI 模型，并且可用于生产环境中。该模型的实现可用于 Facebook 的 PyTorch、Facebook 的分布式学习框架 Caffe2 和 Glow C++。

推荐引擎在很大程度上决定着人们每天看到的内容，无论是 Facebook 等社交媒体网站、亚马逊等电子商务网站的内容，还是在 Xbox 首页的推荐游戏。就在上个月，亚马逊也将 AI 应用于 AWS 上的个性化购物推荐系统。

5 月底，20 多位 Facebook AI 研究人员在 arXiv 上发表了一篇论文，解释了 DLRM 模型如何使用映射分类数据的嵌入表进行表达，其中大部分计算由预测函数多层感知器（MLP）执行。论文详细介绍了 DLRM 模型，并与现有推荐模型进行比较，以充分展示其特性。

Facebook 人工智能研究（FAIR）已经将其大量工作开源，免费提供 DLRM 可以帮助更广泛的 AI 社区解决推荐引擎带来的挑战，比如利用神经网络将分类数据与某些更高级别的属性相关联。

DLRM 的制造商建议用该模型对推荐引擎的速度和准确性性能进行基准测试。用于实验和性能评估的 DLRM 基准测试是用 Python 编写的，支持随机和合成输入。

Facebook 研究科学家 Dheevatsa Mudigere 和 Maxim Naumov 在一篇博客文章中表示，将在未来公开分享优化 DLRM 系统的性能结果。

最近几周由 Facebook 开源的其他 AI 模型或框架还包括 PyRobot，与 PyTorch 一起工作的机器人框架；以及 PyTorch Hub，一个工作流程和 API，旨在鼓励 AI 模型的再现性。还有 Ax 和 BoTorch，用于机器学习实验和贝叶斯模型优化的工具，于 5 月与 PyTorch 1.1 一起推出。

Facebook 的推荐工具在过去一直存在争议。去年，Keras 深度学习图书馆创建者 FrançoisChollet 在一篇帖子中称，“有良心的 AI 研究人员不应该在 Facebook 工作”，他提倡“不要使用 AI 作为操纵用户的工具；相反，将 AI 作为工具提供给用户，让他们拥有更多的自主权。”

消息来源：venturebeat

微信关注我们

原文链接：https://www.oschina.net/news/107971/facebook-open-sources-dlrm

转载内容版权归作者及来源网站所有！

低调大师中文资讯倾力打造互联网数据资讯、行业资源、电子商务、移动互联网、网络营销平台。持续更新报道IT业界、互联网、市场资讯、驱动更新,是最及时权威的产业资讯及硬件资讯报道平台。

碎片周刊：如何变得更有创造力？

碎片周刊第5期 2019年6月29日，星期六本周关键词：蔡格尼克效应、活在当下、建立影响力、变得乐观、创新的流程、富人理财、投影片框架。在公众号内阅读时，通过底部的“阅读原文”，可以访问外部链接。标题太低调，内容很奢华。 ——一位广州的朋友评论碎片周刊 6/28日：蔡格尼克效应（Zeigarnik Effect）由前苏联心理学家蔡格尼克，在20世纪20年代提出：相比已经完成的体验，人对未完成或被中断的体验更加印象深刻。这个与记忆相关的心理倾向，可以解释许多现象：人际关系之中未解决的矛盾，总是卷土重来。失恋后对前任念念不忘，或寻找与前任相似的恋人。儿时物质与食物贫乏，长大后执着于基本需求。对错过的机会耿耿于怀，总是认为“本可以”。 APP内的进度条，可以提高用户留存率。我的对策：拥抱不确定性，认清客观现实，接纳某些事情的不圆满和没有答案。不忽视内心的渴望，努力去完成某些能力范围内的体验，珍惜身边的人。还是那句话：改变可以改变的，接受不能改变的，有智慧区分两者。 6/27日：10个活在当下的技巧接受现实，不再抗拒与抱怨，例如遭遇堵车。暂停下来，发现周围的小事...

2019-07-04

848

随着AI和机器学习的发展，越来越多的决策会交给自动化的机器学习算法来做。但是当我们把一些非常重要的决定交给机器的时候，我们真的放心么？当波音飞机忽略驾驶员的指令，决定义无反顾的冲向大地；当银行系统莫名其妙否决你的贷款申请的时候；当自动化敌我识别武器系统决定向无辜平民开火的时候；人类的内心应该是一万个草泥马飞过，大声的质问，“为什么？” 机器学习算法可以看成是如上图所示的黑盒子模型，训练数据流入黑盒子，训练出一个函数（这个函数也可以称之为模型），输入新的数据到该函数得出预测结果。关于模型的可解释性，就是要回答为什么的问题，如何解释该函数，它是如何预测的？可解释的模型在机器学习的众多算法中，有的模型很难解释，例如深度神经网络。深度神经网络可以拟合高度复杂的数据，拥有海量的参数，但是如何解释这些非常困难。但是还是有相当一部分算法是可以比较容易的解释的。例如线性回归：线性回归目标Y和特征X之间的关系如上图的公式所示。那么对于线性回归模型的解释就很简单，对于一个特定的特征Xi，每增加一个单位，目标Y增加βi。线性回归简单易用，也能保证找到最优解。但是毕竟不是所有的问题都是线性的。另外...

2019-07-04

1383

资源下载

更多资源

Mario

马里奥是站在游戏界顶峰的超人气多面角色。马里奥靠吃蘑菇成长，特征是大鼻子、头戴帽子、身穿背带裤，还留着胡子。与他的双胞胎兄弟路易基一起，长年担任任天堂的招牌角色。

Spring

Spring框架（Spring Framework）是由Rod Johnson于2002年提出的开源Java企业级应用框架，旨在通过使用JavaBean替代传统EJB实现方式降低企业级编程开发的复杂性。该框架基于简单性、可测试性和松耦合性设计理念，提供核心容器、应用上下文、数据访问集成等模块，支持整合Hibernate、Struts等第三方框架，其适用范围不仅限于服务器端开发，绝大多数Java应用均可从中受益。

Rocky Linux

Rocky Linux（中文名：洛基）是由Gregory Kurtzer于2020年12月发起的企业级Linux发行版，作为CentOS稳定版停止维护后与RHEL（Red Hat Enterprise Linux）完全兼容的开源替代方案，由社区拥有并管理，支持x86_64、aarch64等架构。其通过重新编译RHEL源代码提供长期稳定性，采用模块化包装和SELinux安全架构，默认包含GNOME桌面环境及XFS文件系统，支持十年生命周期更新。

Sublime Text

Sublime Text具有漂亮的用户界面和强大的功能，例如代码缩略图，Python的插件，代码段等。还可自定义键绑定，菜单和工具栏。Sublime Text 的主要功能包括：拼写检查，书签，完整的 Python API ， Goto 功能，即时项目切换，多选择，多窗口等等。Sublime Text 是一个跨平台的编辑器，同时支持Windows、Linux、Mac OS X等操作系统。