datawhalechina/torch-rechub

A Lighting Pytorch Framework for Recommendation Models, Easy-to-use and Easy-to-extend.

What it solves

Torch-RecHub は、プロダクションレベルのレコメンデーションシステムの作成を簡素化することを目的とした軽量な PyTorch フレームワークです。複雑なレコメンデーションアルゴリズムをゼロから実装するエンジニアリングコストを削減し、開発者は数行のコードでモデルの構築とデプロイが可能になります。

How it works

このフレームワークは、データロード、トレーニング、評価を標準化したモジュラーなパイプラインを提供します。PyTorch を活用し、CPU、NVIDIA CUDA、AMD ROCm、Huawei Ascend NPU など様々なバックエンドでハードウェアアクセラレーションを実現します。システムはタスク別に専門のトレーナーに分かれており、CTRTrainer はランキング/CTR 予測、MatchTrainer はマッチング、MTLTrainer はマルチタスク学習に使用されます。

Who it’s for

レコメンデーションモデルを迅速に実装・テストしたい機械学習エンジニアや研究者、また ONNX エクスポートを通じてプロダクションへデプロイしたい開発者向けです。

Highlights

  • Extensive Model Library: DeepFM、DIN などのランキングモデル、DSSM、SASRec などのマッチングモデル、MMoE、PLE などのマルチタスクモデル、HSTU、TIGER などの生成的レコメンデーションモデルを含む、30 以上の主流モデルを網羅。
  • Production-Ready Deployment: ワンクリックで ONNX 形式にエクスポートでき、プロダクション環境へのシームレスな統合が可能。
  • Broad Hardware Support: NVIDIA、AMD、Huawei Ascend など複数の GPU アーキテクチャに対応。
  • Big Data Integration: PySpark ベースのデータ処理をサポートし、FAISS や Milvus といったベクトルデータベースとの統合で検索サービスを提供。
  • Experiment Tracking: WandB、SwanLab、TensorBoardX との組み込み統合により、可視化とモニタリングが容易。