Các nhà phát triển tạo ra công nghệ nhúng như hệ thống đề xuất và các loại ứng dụng khác có thể quan tâm đến một bài viết mới được đăng trên blog của nhà phát triển NVIDIA, bài viết này tiết lộ thêm chi tiết về Plugin nhúng HugeCTR TensorFlow và cách nó có thể giúp bạn tăng tốc quy trình nhúng của mình. Nhúng là một kỹ thuật học máy đại diện cho từng đối tượng quan tâm (người dùng, sản phẩm, danh mục, v.v.) dưới dạng một vectơ số dày đặc.
Nhúng là một khối xây dựng quan trọng trong các hệ thống đề xuất DL hiện đại, thường nằm ngay sau lớp đầu vào và trước lớp “” và các lớp dày đặc. Các lớp nhúng được học từ dữ liệu và đào tạo từ đầu đến cuối, giống như các lớp khác của mạng lưới thần kinh sâu.
Chính các lớp nhúng giúp phân biệt mô hình đề xuất DL với các loại khối lượng công việc DL khác: chúng đóng góp một số lượng lớn tham số cho mô hình nhưng yêu cầu ít hoặc không cần tính toán, trong khi các lớp dày đặc tính toán chuyên sâu có số lượng tham số nhỏ hơn nhiều.
Hai cách để tận dụng công việc tối ưu hóa nhúng trong HugeCTR
– Sử dụng khung NVIDIA Merlin HugeCTR gốc cho khối lượng công việc đào tạo và suy luận của bạn
– Sử dụng plugin NVIDIA Merlin HugeCTR TensorFlow, được thiết kế để hoạt động trơn tru với TensorFlow
nguồn : NVIDIA
Tuyên bố từ chối trách nhiệm: Một số bài viết của chúng tôi bao gồm các liên kết liên kết. Nếu bạn mua thứ gì đó thông qua một trong những liên kết này, APS Blog có thể kiếm được hoa hồng liên kết. Tìm hiểu về Chính sách tiết lộ của chúng tôi.
