Notatka
Dostęp do tej strony wymaga autoryzacji. Może spróbować zalogować się lub zmienić katalogi.
Dostęp do tej strony wymaga autoryzacji. Możesz spróbować zmienić katalogi.
Te notatniki służą do tworzenia systemów rekomendacyjnych opartych na uczeniu głębokim w AI Runtime. Pokazują one, jak utworzyć model rekomendacji z dwoma wieżami przy użyciu rozwiązania PyTorch Lightning na potrzeby trenowania rozproszonego.
| Example | Interfejs | Opis |
|---|---|---|
| Model rekomendacji z dwiema wieżami | Notebook | Dowiedz się, jak utworzyć model rekomendacji z dwiema wieżami przy użyciu rozwiązania PyTorch Lightning na potrzeby trenowania rozproszonego. |
| Rekomendacja dwuwieżowa z PyTorch | CLI | Wytrenuj i oceń dwuwieżowy rekomendator filmowy na MovieLens 1M na jednym GPU A10. |
| Przeszukuj dokumenty techniczne za pomocą embeddingów Qwen3 | CLI | Twórz tekstowe osadzenia Qwen3 dla dokumentów technicznych na jednym GPU A10 i zwracaj semantycznie podobne dokumenty dla każdego zapytania. |
| Model rekomendacji uczenia głębokiego z TorchRec | CLI | Wytrenuj model współczynnika kliknięć na danych Criteo na czterech węzłach A10 z użyciem TorchRec shardingu. |
| Nauka rankingu z XGBoost | CLI | Wytrenuj model XGBoost LambdaMART na jednym GPU A10, aby uszeregować wyniki wyszukiwania według trafności. |