NVIDIA Merlin可使用开源规范构建块开发和优化推荐系统

数据科学家和机器学习工程师使用许多方法、技术和工具来准备、构建、培训、部署和优化他们的机器学习模型。虽然技术领先 引用推荐人团队工作流程中利用开源软件的重要性 ，但大多数流行的机器学习方法、库和框架的设计都不是为了支持和加速推荐者工作流。

NVIDIA Merlin 旨在简化推荐人工作流程。最新的更新包括 Transformers4Rec ，这是一个新的库，它包装了 HuggingFace transformer 体系结构，以构建基于会话的建议的管道。它还添加了 SparseOperationsKit （SOK） ，一个新的 Python 包，支持稀疏训练和深度学习推理（ DL ）。

这一最新版本重申了 NVIDIA 的 commitment 功能，帮助机器学习工程师和数据科学家使用开源规范构建块开发和优化推荐系统。

Merlin 变压器 4REC ，专为推荐和解决冷启动问题而设计

主流媒体中流行的推荐方法通常依赖于长期用户配置文件或终生用户行为。然而，获得新的持续活跃用户的电子商务和媒体公司必须向首次和早期访问用户提供相关建议。相关建议可提高用户参与度、保留率和向订阅服务的转换。

利用基于会话的推荐程序 通过 Transformers4Rec ，数据科学家和机器学习工程师能够通过利用上下文和最近的用户交互来预测用户的下一个动作并提供相关建议，从而解决冷启动问题。英伟达 Merlin 团队设计了 TraseRe4ReC 作为独立解决方案或在一组推荐模型中使用。

稀疏操作套件、稀疏训练和深入学习推理

与大量数据集受益于使用深度学习（ DL ）推荐工具 合作的推荐团队。Merlin hugetr是一个 DL 训练框架 专为推荐系统设计 ，最新更新包括 SOK ，一个新的开源 Python 包，支持稀疏训练和推理。

它还与包括 TensorFlow 在内的 DL 框架兼容。 SOK 提供了使用 GPU 的嵌入模型并行功能，包括从单个 GPU 扩展到多个 GPU 。大多数常见的 DL 框架不支持模型并行，这使得在集群中使用所有可用的 GPU 具有挑战性。然而， SOK 与 DL 框架（包括 TensorFlow ）兼容有助于填补这一空白。

关于作者

Ann Spencer 是 Merlin 的高级产品营销经理。在加入 NVIDIA 之前，她曾在多家数据公司担任产品和研究职务。 2012-2014 年，她还是 O ‘ Reilly Media 的数据编辑，专注于数据工程和数据科学。

审核编辑：郭婷