Facebook開源DLRM 一種深度學習推薦模型

Facebook今天宣布推出深度學習推薦模型(DLRM)的開源版本，這是一種用于在生產環(huán)境中提供個性化結果的最先進的AI模型。DLRM可以在GitHub上找到，該模型的實現(xiàn)可用于Facebook的PyTorch，F(xiàn)acebook的分布式學習框架Caffe2和Glow C ++。

推薦引擎決定了人們今天看到的很多內容，無論是Facebook等社交媒體網站，亞馬遜等電子商務網站的內容，還是您在Xbox上看到的第一個選項。上個月，亞馬遜將其AI用于AWS上的購物推薦系統(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據映射到表示。預測函數多層感知器(MLP)執(zhí)行大部分計算。

Facebook技術戰(zhàn)略總監(jiān)Vijay Rao在今年早些時候的開放計算項目會議上詳細闡述了使用神經網絡進行大量嵌入的方法。

Facebook人工智能研究(FAIR)開放了大量的工作，但其母公司正在免費提供DLRM，以幫助更廣泛的AI社區(qū)解決推薦引擎帶來的挑戰(zhàn)，例如需要神經網絡將分類數據與某些相關聯(lián)更高級別的屬性。

“盡管推薦和個性化系統(tǒng)仍然在當今的工業(yè)領域取得了很大的深度學習成功，但這些網絡在學術界仍然很少受到關注，”該論文寫道。“通過提供最先進的推薦系統(tǒng)及其開源實現(xiàn)的詳細描述，我們希望提請注意這類網絡以可訪問的方式呈現(xiàn)的獨特挑戰(zhàn)，以便進一步進行算法實驗。 ，建模，系統(tǒng)協(xié)同設計和基準測試。“

DLRM的制造商建議該模型用于對推薦引擎的速度和準確性性能進行基準測試。用于實驗和性能評估的DLRM基準測試是用Python編寫的，支持隨機和合成輸入。

Facebook研究科學家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)的性能結果將在未來公開分享。

最近幾周由Facebook開源的其他AI模型或框架包括PyRobot，一個與PyTorch一起工作的機器人框架，以及PyTorch Hub，一個工作流程和API，旨在鼓勵AI模型的再現(xiàn)性。

Ax和BoTorch，用于機器學習實驗和貝葉斯模型優(yōu)化的工具，于5月與PyTorch 1.1一起推出。

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