tensorflow/recommenders
TensorFlow Recommenders is a library for building recommender system models using TensorFlow.
解決する課題
データ準備、モデル設計からトレーニング、評価、デプロイに至るまで、レコメンデーションシステム構築の全ワークフローを簡素化します。
仕組み
KerasとTensorFlowを基盤としており、レコメンデーションモデル作成のための高レベルな抽象化を提供します。ユーザーやアイテムの表現（embeddings）を定義し、専用のタスク（検索タスクなど）を使用して評価指標に基づきモデルのパフォーマンスを最適化することで、因子分解モデルを構築できます。
対象ユーザー
TensorFlowエコシステムを使用してレコメンデーションシステムを構築したい、学習コストを抑えつつ複雑なモデルを柔軟に構築したい開発者や機械学習エンジニア。
特徴
- 包括的なワークフローサポート：データ準備、トレーニング、デプロイを網羅。
- Kerasベース：Kerasを活用することで学習コストを低減。
- 柔軟なモデル構築：レコメンデーションシステムに必要な複雑なモデルアーキテクチャをサポート。
関連
- プロジェクト
tensorflow/privacyTensorFlow Privacy は、開発者が差分プライバシーを使用して機械学習モデルをトレーニングできるようにするライブラリであり、個々のデータポイントを保護しながらモデルのパフォーマンスを維持します。
- プロジェクト
tdrussell/diffusion-pipediffusion-pipeは、DeepSpeedのパイプライン並列処理を使用して、複数のGPUで大規模な拡散モデル（画像、テキストから画像、テキストから動画など）をトレーニングするためのオープンソースのトレーニングフレームワークです。潜在変数/テキスト埋め込みのキャッシュ、TensorBoardロギング、チェックポイント/再開、画像と動画モデルの両方のための統一されたコードパスを提供します。Condaを介してインストールし、PyTorch/Flash-Attentionをセットアップし、サンプルのTOML設定を編集し、`deepspeed`で起動します。リポジトリは最近の拡散モデルファミリー（SDXL、Flux、Qwen-Image、MiniMax H3など）の長いリストをサポートし、単一GPUでの140億パラメータモデルのトレーニングのための低VRAMのテクニックも含まれています。
- プロジェクト
pykeen/pykeenPyKEENは、知識グラフ埋め込みモデルの学習と評価を行うためのPythonライブラリであり、数十種類のモデル、多数のベンチマークデータセット、および高レベルなパイプラインAPIを提供します。
- プロジェクト