tensorflow/recommenders
TensorFlow Recommenders is a library for building recommender system models using TensorFlow.
해결하는 문제
데이터 준비, 모델 설계부터 학습, 평가, 배포에 이르는 추천 시스템 모델 구축 과정을 간소화합니다.
작동 방식
Keras와 TensorFlow를 기반으로 구축되어 추천 모델 생성을 위한 고수준 추상화를 제공합니다. 사용자 및 아이템 표현(embeddings)을 정의하고 특수 작업(검색 작업 등)을 사용하여 평가 지표에 따라 모델 성능을 최적화함으로써 요인 분해 모델을 구축할 수 있습니다.
대상 사용자
TensorFlow 생태계를 사용하여 추천 시스템을 구축하려는 개발자 및 머신러닝 엔지니어에게 적합하며, 낮은 학습 곡선과 복잡한 모델을 구축할 수 있는 유연성을 제공합니다.
주요 특징
- 포괄적인 워크플로우 지원: 데이터 준비, 학습, 배포를 모두 처리합니다.
- Keras 기반: Keras를 활용하여 낮은 학습 곡선을 제공합니다.
- 유연한 모델 구축: 추천 시스템에 필요한 복잡한 모델 아키텍처를 지원합니다.
관련
- 프로젝트
tensorflow/privacyTensorFlow Privacy는 개발자가 차등 프라이버시를 사용하여 기계 학습 모델을 훈련할 수 있게 하는 라이브러리로, 개별 데이터 포인트를 보호하면서 모델 성능을 유지합니다.
- 프로젝트
tdrussell/diffusion-pipediffusion-pipe는 DeepSpeed 파이프라인 병렬 처리를 사용하여 여러 GPU에서 대규모 확산 모델(이미지, 텍스트-이미지, 텍스트-비디오 등)을 학습시키는 오픈소스 학습 프레임워크입니다. 잠재 변수/텍스트 임베딩 캐싱, TensorBoard 로깅, 체크포인트/다시 시작, 이미지 및 비디오 모델용 통합 코드 경로를 제공합니다. Conda로 설치하고, PyTorch/Flash-Attention을 설정하고, 예제 TOML 구성을 편집하고, `deepspeed`로 실행합니다. 이 리포지토리는 최근 확산 모델 제품군(SDXL, Flux, Qwen-Image, MiniMax H3 등)의 긴 목록을 지원하며 단일 GPU에서 140억 파라미터 모델을 학습시키기 위한 낮은 VRAM 트릭을 포함합니다.
- 프로젝트
pykeen/pykeenPyKEEN은 지식 그래프 임베딩 모델을 학습하고 평가하기 위한 Python 라이브러리로, 수십 개의 모델, 다양한 벤치마크 데이터셋, 그리고 고수준의 파이프라인 API를 제공합니다.
- 프로젝트
SciML/SciMLBookMIT 강의 자료를 기반으로 한 진화하는 오픈소스 교과서로, 고성능 병렬 컴퓨팅과 과학적 머신러닝의 통합을 가르칩니다.