【炼丹手记】在ModelArts上使用AI芯片Ascend训练基于MindSpore的图神经网络BGCF,并发布到AI Callery

论文笔记:Sequential Recommendation with Relation-Aware Kernelized Self-Attention 论文笔记:Sequential Recommendation with Relation-Aware Kernelized Self-Attention 摘要:     最近的研究发现,顺序推荐可以通过注意力机制得到改善。通过跟踪这一发展,我们提出了关系感知核化自我注意(RKSA),采用了transformer的自我注意机制,增强了一个概率模型。Transformer最初的自我关注是一种没有关系意识的确定性度量。因此,我们在自我注意中引入了一个潜在空间(latent space),潜在空间将推荐上下文从关系 阅读详情

论文

贝叶斯图协同过滤(BGCF)
论文原文如下
https://dl.acm.org/doi/pdf/10.1145/3394486.3403254

数据集

对Amazon-Beauty数据集进行预处理。
取得代码。通过git clone命令取得ModelZoo中已经实现好的代码

sh-4.4$git clone -b r1.5 --depth=1 https://gitee.com/mindspore/models.git
Cloning into 'models'...
remote: Enumerating objects: 7254, done.
remote: Counting objects: 100% (7254/7254), done.
remote: Compressing objects: 100% (4182/4182), done.
remote: Total 7254 (delta 3040), reused 5846 (delta 2670), pack-reused 0
Receiving objects: 100% (7254/7254), 59.11 MiB | 6.00 MiB/s, done.
Resolving deltas: 100% (3040/3040), done.
sh-4.4$

进入本模型的代码目录。可以发现预处理脚本在scripts下面。

sh-4.4$cd models/official/gnn/bgcf

于是,进入脚本所在目录

sh-4.4$cd scripts/

执行脚本。当然在执行之前,/cache/amazon下事先要放好原数据集文件。

sh-4.4$bash ./run_process_data_ascend.sh /cache/amazon
/cache/amazon
S
【序列推荐、Transformer】SASRec:Self-Attentive Sequential Recommendation 《SASRec:基于自注意力机制的序列推荐》transformer最早提出是用在NLP领域做机器翻译的,本文将transformer中的注意力机制用在序列推荐上,**对于给定的物品序列来预测下一个最可能出现的物品是什么**(采用自注意力机制来对用户的历史行为信息建模,提取更为有价值的信息。最后将得到的信息分别与所有的物品embedding内容做内积,根据相关性的大小排序、筛选,得到Top-k个推荐。)。该方法在稀疏和密集数据集上都优于各种先进的序列模型。 阅读详情

相关推荐

【人工智能之深度学习】23. 推荐系统升级实战:LightGCN重构协同过滤全流程(Amazon-Beauty数据集+完整代码)

摘要:传统协同过滤(如矩阵分解)在电商推荐中存在三大痛点:忽略用户-物品高阶关联、交互数据稀疏导致冷启动、特征工程依赖人工设计。本文基于Amazon-Beauty数据集(含20万+用户交互),用LightGCN图神经网络重构推荐系统:1)构建用户-物品二部图,通过3层图卷积捕捉“用户→物品→用户”的多跳关联;2)采用BPR负采样损失优化嵌入学习,缓解数据稀疏;3)端到端输出用户/物品嵌入,无需人工特征。

专注于人工智能、软件开发、工控自动化、工厂数字化及智能化等领域,希望和大家共同进步! 1497

机器学习笔记 - 用于颜值评分的数据集和算法

一些心理学中描述决定颜值的一个重要因素是各种面部特征之间的距离之比。面部特征点是指眼角、鼻尖、下巴最低点等特征。我们可以使用很多面部检测模型计算这些比率。

学以致用 知行合一 1199

订单数据数据集tmall_order_report.csv

订单数据数据集tmall_order_report.csv

Beauty 美丽度-数据集

男女工资效应的美丽度用于预测分析和回归分析。 beauty.csv

Amazon Product Dataset 2020 亚马逊产品数据集-数据集

数据集中包含亚马逊产品30K条记录。可用字段:Uniq ID,产品名称,品牌名称,Asin,类别,Upc Ean代码,标价,售价,数量,型号,关于产品,产品规格,技术细节,装运重量,产品尺寸,图像,变体, SKU,产品网址,库存,产品详细信息,尺寸,颜色,成分,使用说明,是Amazon卖方,尺寸数量变化,产品描述。 marketing_sample_for_amazon_com-ecommerce__20200101_20200131__10k_data.csv

大模型训练显存瘦身全记录:从ZeRO-3参数分区到CPU Offload的硬件协奏曲

本文详细解析了如何通过ZeRO-3参数分区与CPU/NVMe卸载技术优化大模型训练的显存使用。结合bf16混合精度与梯度累积等策略,实现在消费级GPU上高效训练百亿参数模型,显著提升硬件利用率与训练效率。

weixin_29051245的博客 435

RV1126B RV1126B-P 瑞芯微 高性能视觉处理器SoC 芯片

它集成了大量算法加速器,如 HDR、3A、LSC、3DNR、2DNR、锐化、去雾、鱼眼校正、伽马校正、特征点检测等。此外,还配备了一款最多8兆像素的 AI-ISP,作为对传统ISP 的补充,以提供卓越的空间去噪性能和增强的图像增强效果。除了先前的高性能多媒体区块外,RV1126B还包含丰富的音频、内存和其他外围接口,如I2C、SPI、PWM等。借助这-特性,来自相机的视频可以以高分辨率进行编码,并存储在本地内存中,同时还能将另-段较低分辨率的视频传输到云存储。

szhorsway的博客 1868

Paho Asynchronous MQTT C Client Library--MQTTAsync API

异步MQTT 客户端库for C

yoyo勰的博客 1265

[ENVI]-[高光谱遥感]-波谱沙漏分析工具的使用

图1-2-1查看特殊波段的坏波段图1-2-2在中添加坏波段ENVI波谱沙漏分析工具MNF变换。

m0_57992372的博客 1471

【汽车ECU电控数据管理篇】A2L文件在ECU标定中的关键作用与实战解析

本文深入解析A2L文件在汽车ECU标定中的关键作用,详细介绍了其作为'数据字典'的核心功能与实战应用。通过剖析A2L文件的结构、关键标签及常见问题,帮助工程师高效管理电控数据,提升ECU标定效率与准确性。文章特别强调了ASAP2标准下的A2L文件在汽车电控系统中的重要性。

a3b4c5的博客 789

高等数学/概率论/数理统计/线性代数/离散数学面试-核心概念-问题理解

特征值与特征向量是线性代数中的概念,它们与线性变换有关。在线性变换中,如果存在非零向量 v ,使得当该向量通过变换后,其方向不变,只是长度发生了变化,那么这个向量 v 就是特征向量。而这个长度变化的比例因子,即变换前后向量长度的比值,称为特征值。数学公式表示:通俗易懂的解释:想象一下,你有一个可以伸缩的橡皮筋,这个橡皮筋可以代表一个向量。现在,你有一个特殊的机器,它可以改变橡皮筋的形状,但不会改变它延伸的方向。当你把橡皮筋放入机器中,机器会拉伸或压缩橡皮筋,但橡皮筋的方向保持不变。

m0_64198455的博客 2294

超声波清洗机拆解实录:从电路板到换能器,一文看懂内部构造(附高清图)

本文详细拆解了超声波清洗机的内部构造,从电路板设计到换能器工作原理,揭示了其核心技术。通过高清图片和详细分析,展示了功率放大电路、高频变压器及压电换能器等关键部件,为电子爱好者和维修技术人员提供了实用的故障诊断和元件二次利用指南。

grape的博客 1194

【AutoDL + Langchain-Chatchat】从零构建高效本地 RAG 知识库问答系统:实战保姆级教程(含避坑指南)

本文详细阐述如何在AutoDL云平台,如何利用Langchain-Chatchat构建高效的本地RAG知识库问答系统,并深入解析RAG架构。从环境搭建到实战部署,从问题排查到性能优化,提供一份全面实用的指南,助力开发者快速构建智能问答应用。

拾光夕拾的博客 1805

ET2012新版免狗免安装绿色软件

ET2012新版免狗免安祖昂绿色软件。,新界面,新视觉,

霍尼韦尔SoftMaster使用说明

霍尼韦尔SoftMaster使用说明

WINCC7.3破解文件

WINCC7.3硬件够破解文件,有需要的下载!WINCC7.3硬件够破解文件,有需要的下载!

VB摄像头监控

该VB模块可对摄像头捕获的画面进行录像等,可在创建的窗口进行控制

上一篇: 【炼丹手记】在ModelArts上使用AI芯片Ascend训练基于MindSpore的DeepFM
下一篇: 【开发手记】泛化MindSpore的HwcToChw算子,使其支持多通道输入
UnseenMe
博客等级 码龄20年 193粉丝 35原创
评论
成就一亿技术人!
拼手气红包6.0元
还能输入1000个字符
 
 条评论被折叠 查看
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付:10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值