RecBole小白入门系列博客（四）——Sequential类模型运行流程

RecBole中Sequential类模型运行流程
最新推荐文章于 2025-11-11 19:10:17 发布
原创 最新推荐文章于 2025-11-11 19:10:17 发布 · 1w 阅读 · 37 ·
CC 4.0 BY-SA版权
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
文章标签：

#python #人工智能 #推荐系统 #深度学习 #pytorch

本博客基于RecBole v.0.2.0版本，介绍Sequential类模型运行流程。包括选定模型，如GRU4Rec；设置模型超参数，推荐用自定义配置文件；选定数据集，介绍其基本格式；设置数据集、训练、评测参数；总结参数设置后运行模型，还提及调参及特殊模型设置问题。

RecBole小白入门系列博客（四）
——Sequential类模型运行流程

注意：本系列基于RecBole v.0.2.0 版本！
传送门：
RecBole小白入门系列博客（一）——快速安装和简单上手
RecBole小白入门系列博客（二）——General类模型运行流程
RecBole小白入门系列博客（三）——Context类模型运行流程

写在前面

  1. 这次的内容和General类和Context模型运行流程差不多，我会特别提一下Sequential类模型不一样和需要注意的地方。
  2. 由于模型的完整运行流程会牵扯到很多部分，从数据到参数，所以这里将简略的举出例子，让大家可以大致独立完成模型的运行。关于一些更加具体和细微的部分，我将在后面单独写博客为大家介绍。

选定模型

RecBole中共有17个Sequential类模型可供使用，模型列表如下：

关于模型的具体信息可以查看上面的链接，大家选用需要的模型即可。我们以模型GRU4Rec为例。

设置模型超参数

每个模型的超参数都不一致，大家可以从上面的链接中查看自己所需模型的超参数有哪些。在RecBole中每个模型都有默认的参数，因此如果是想简单跑一跑就暂时不动。
模型默认参数在源码目录RecBole/recbole/properties/model 中，各位感兴趣在小伙伴可以在里面查看默认参数值。
那么想调参的同学怎么办呢？读过RecBole小白入门系列博客（一）——快速安装和简单上手的朋友可能知道，在RecBole中调整参数有好几种方法，这里我推荐使用自定义配置文件。
RecBole的配置文件格式均使用.yaml文件，十分简洁明了，大致的形式如下：

accum: "stack"
gcn_output_dim: 500
embedding_size: 64
dropout_prob: 0.3
sparse_feature: True
class_num: 2
num_basis_functions: 2

参数名称: 参数值这样的样式
参数值可以是字典嵌套，也可以是列表等，就像这样

load_col:
  inter: [user_id, business_id,
最低0.47元/天 解锁文章
RecBole小白入门系列博客（五）——Knowledge类模型运行流程
Turinger_2000的博客
12-29 6532
RecBole小白入门系列博客（五）——Knowledge类模型运行流程写在前面选定模型设置模型超参数选定数据集数据集基本格式设置数据集参数设置训练参数设置评测参数总结参数设置运行调（lian）参（dan）结束语 传送门： RecBole小白入门系列博客（一）——快速安装和简单上手 RecBole小白入门系列博客（二）——General类模型运行流程 RecBole小白入门系列博客（三）——Context类模型运行流程 RecBole小白入门系列博客（四）——Sequential类模型运行流程 写在前面
RecBole小白入门系列博客（一）——快速安装和简单上手
Turinger_2000的博客
12-01 2万+
RecBole小白入门系列博客（一）——快速安装和简单上手快速安装系统要求安装方式从Conda安装从pip安装从源文件安装简单上手从源文件上手（适用于从github下载了源文件）从API上手（适用于conda和pip安装）结束语 我最近在做推荐系统相关的工作，碰巧发现了一个推荐系统框架RecBole，里面包含了很多推荐系统方向的模型，感觉跑baseline特别方便(｀∀´)Ψ！而且我搜了一下，可能是因为才上线，所以上手博客啥的都还没人写，俺就先占个坑了嘿嘿嘿，看看后续能不能整理成一个合集ｄ(･∀･*)♪ﾟ
RecBole安装遇到的坑
weixin_42077456的博客
10-21 2124
RecBole安装遇到的坑，包括安装和使用的过程
语音识别系列6-语音识别CTC之tensorflow前向计算
u012361418的博客
05-20 897
语音识别系列6-语音识别CTC之tensorflow前向计算 一、介绍 根据上一节的介绍，我们的模型就训练好了，但是如何使用模型呢，这一节我们进行介绍，模型训练完后，会在模型保存目录下生成至少四个文件，分别为： checkpoint、model.ckpt-*.data-00000-of-00001、model.ckpt-*.index、model.ckpt-*.meta 二、源码解析...
Recbole入门
qq_51624702的博客
07-12 2644
在recbole下载运行过程中出现的问题，整理下来希望可以帮助到你
【亲测免费】 RecBole-GNN 使用教程
gitblog_00943的博客
09-12 627
RecBole-GNN 使用教程 1、项目介绍 RecBole-GNN 是一个基于 PyTorch 和 RecBole 构建的推荐算法库，专注于图神经网络（GNNs）在推荐系统中的应用。该库涵盖了三大类推荐算法： General Recommendation with user-item interaction graphs: 基于用户-物品交互图的通用推荐算法。 Sequential Reco...
RecBole小白入门系列博客（二） ——General类模型运行流程
Turinger_2000的博客
12-10 1万+
RecBole小白入门系列博客（一）——General类模型运行流程选定模型并设置参数选定数据集并设置参数 选定模型并设置参数 RecBole中共有13个General类模型可供使用，模型列表如下： General模型列表 Pop ItemKNN BPR NeuMF ConvNCF DMF FISM NAIS SpectralCF GCMC NGCF LightGCN DGCF 关于模型的具体信息可以查看上面的链接，我们以模型BPR为例， 选定数据集并设置参数 ...
多层神经网络 —— Sequential模型
热门推荐
xuechanba的博客
05-25 3万+
前一节介绍说， 这里主要介绍 tf.keras 中的 Sequential 模型。 Sequential 是 Keras 中的一种神经网络框架，可以被认为是一个容器，其中封装了神经网络的结构。Sequential 模型只有一组输入和一组输出。各层之间按照先后顺序进行堆叠。前面一层的输出就是后面一次的输入。通过不同层的堆叠，构建出神经网络。 1、建立 Sequential 模型 model = tf.keras.Sequential() 这条语句表示建立了一个 Sequential 模型，并给它取了一个名
Recbole安装指南：步骤详解与常见问题解决方案
qq_52806062的博客
09-19 901
如果你还没有安装Conda，可以安装或完整的。如果你在中国大陆，我们推荐你使用安装Conda。当你完成Conda的安装后，你可以将RecBole安装在python 3.7的Conda环境中，在命令行中运行 这个语句，来创建一个新的环境。通过执行下面语句来激活环境。当Conda。
RecBole是一个统一，全面，高效的推荐库-Python开发
05-25
RecBole是基于Python和PyTorch开发的，用于在统一，全面，高效的框架中再现和开发推荐算法，以用于研究目的。 RecBole（伯乐）“世有伯乐，然后有千里马。千里马常有，而伯乐不常有。”-韩愈《马说》 文件| 数据集| Paper RecBole是基于Python和PyTorch开发的，用于在统一，全面，高效的框架中再现和开发推荐算法，以用于研究目的。 我们的库包含53种推荐算法，涵盖了四个主要类别：常规推荐顺序推荐上下文感知推荐基于知识的推荐我们设计一个统一而灵活的数据f
RecBole：统一，全面，高效的推荐库
02-04
伯乐（RecBole） “世有伯乐，然后有千里马。千里马常有，而伯乐不常有。”-韩愈《马说》 | | | RecBole是基于Python和PyTorch开发的，用于在统一，全面，高效的框架中再现和开发推荐算法，以用于研究目的。 我们的库包含65种推荐算法，涵盖了四个主要类别： 一般建议 顺序推荐 情境感知推荐 基于知识的推荐 我们设计了统一而灵活的数据文件格式，并为28个基准推荐数据集提供了支持。 用户可以应用提供的脚本来处理原始数据副本，或者简单地由我们的团队下载处理后的数据集。 图片：RecBole总体架构 特征 通用和可扩展的数据结构。 我们设计通用和可扩展的数据结构，以统一
RecBole使用1
weixin_43909109的博客
07-20 1752
recbole使用记录。
RecBole：伯乐——强大的PyTorch推荐系统开源库
qq_41289353的博客
01-22 1456
官方文档说明 Quick Start — RecBole 0.2.0 documentationhttps://recbole.io/docs/get_started/quick_start.html
RecBole Ver1.0入门笔记
pocket_eight的博客
04-11 4416
官方教学：https://recbole.io/cn/quickstart.html 1. 安装 pip install recbole 2. 使用 from recbole.quick_start import run_recbole dataset = 'ml-1m' model = 'NeuMF' # 从对比算法选择 # 参数 para_dic = { 'training_batch_size': 512, 'eval_batch_size': 512,
Recbole自定义训练集、验证集和测试集推荐
qy20115549的博客
06-28 5535
文章目录Recbole简介Recbole使用自定义训练集、验证集和测试集 Recbole简介 Recbole(中文名称：伯乐)是一款使用Python开发的开源推荐框架，里面集成了大量的推荐模型，例如BPR、NeuMF、NGCF、LightGCN等等。 中文介绍网址为： https://recbole.io/cn/model_list.html 在Recbole中提供了按比例划分数据集的方式(例如训练集0.8，验证集0.1，测试集0.1)，同时在2.0版本也提供了自定义训练集、验证集和测试集的方式。 Re
介绍以下模型结构和参数model = Sequential() model.add(Bidirectional(LSTM(50, activation='relu'), input_shape=(n_...
weixin_42600407的博客
01-20 638
这是一个使用 Keras 框架的神经网络模型。其中，Sequential() 是 Keras 中的序贯模型，表示该模型是一个线性堆叠的模型。 model.add(Bidirectional(LSTM(50, activation=relu), input_shape=(n_steps, n_features))) 表示在模型中添加一个双向 LSTM 层，其中 LSTM(50, activation...
【亲测免费】 推荐项目：RecBole - 一个全面的推荐系统模型库
gitblog_00100的博客
04-25 1195
在大数据时代，推荐系统已成为个性化信息推送的核心技术，广泛应用于电商、社交媒体、影视娱乐等多个领域。 是由南京大学人工智能学院开发的一个开源推荐系统模型库，它提供了丰富的推荐算法，旨在帮助研究者和开发者快速构建、实验和优化推荐系统。 ## 项目简介 RecBole 是基于 PyTorch 的推荐系统框架，它集成了大量的经典及最新的推荐算法，包括基于内容的推荐、协同过滤、矩阵分解、深度学习等方法...
Recbole---加载新的数据集
weixin_44255573的博客
08-14 3381
Recbole相关基础操作可以参考 下载数据 recbole有一个默认的数据集 ml-100k 存在目录 ./RecBole/dataset/ml-100k中，官方doc给出的所有例子都是直接加载的这个数据集。如何将新的数据集加入训练。 这里官方事先有处理好一些热门数据集，可以提供下载，并有两种渠道可以获取。 一种是下载数据源文件，并利用官方开源的脚本进行处理。 一种是直接下载官方处理好的原子文件的脚本，有两种方法，百度网盘（密码：e272） or google drive ，本文利用第二种。 将已经下
RUCAIBox/RecBole推荐系统框架快速入门指南
最新发布
gitblog_00891的博客
11-11 566
RUCAIBox/RecBole是一个功能强大的推荐系统框架，为研究人员和开发者提供了构建、训练和评估推荐模型的完整工具链。本文将详细介绍如何使用该框架进行通用推荐任务的快速开发，以BPR模型在ml-100k数据集上的应用为例。 ## 准备工作 ### 数据集准备 RecBole内置了多个常用数据集，包括ml-100k（MovieLens 100K数据集），可以直接使用。该数据集包含： -
sequential模型原理流程图
12-27
### Sequential模型工作原理 #### 一、Sequential模型概述 Sequential模型是一种线性堆叠的模型结构，在这种结构下，各个层按照顺序依次排列并连接。每一层接收前一层的数据作为输入，并将其处理后的数据传递给下一层[^3]。 #### 二、核心组件及其功能 - **卷积层**：用于提取图像特征，通过应用多个滤波器来检测不同类型的局部模式。 ```python model.add(Conv2D(64, (3, 3), activation='relu')) ``` - **最大池化层**：减少空间维度的同时保留最重要的信息，有助于降低过拟合风险。 ```python model.add(MaxPooling2D(pool_size=(2, 2))) ``` - **全连接层**：通常位于网络末端，负责将前面各层抽取出来的高级抽象特征映射到类别标签上。 ```python model.add(Dense(256, activation='relu')) ``` - **Dropout层**：随机丢弃一定比例的神经元，防止过度依赖某些特定节点，从而提高泛化能力。 ```python model.add(Dropout(0.5)) ``` - **Flatten层**：将多维张量转换成一维向量形式以便后续处理。 ```python model.add(Flatten()) ``` #### 三、构建过程详解 当使用`Sequential()`初始化对象之后，就可以通过`.add()`方法逐个加入所需的层。每增加一个新的层都会自动与之前的层建立联系，形成完整的计算图谱。完成架构设计后还需要指定损失函数、优化算法等参数来进行编译操作，最后才能执行实际的训练任务[^2]。 #### 四、流程图表示 以下是基于上述描述绘制的简化版Sequential模型工作流程： ```mermaid graph TD; A[开始] --> B{加载数据}; B --> C[定义模型]; C --> D[添加Conv2D层]; D --> E[添加MaxPooling2D层]; E --> F[重复添加更多层...]; F --> G[添加Flatten层]; G --> H[添加Dense层]; H --> I[添加Dropout层]; I --> J[编译模型]; J --> K[训练模型]; K --> L[评估性能]; L --> M[结束]; ``` 此图表展示了从准备阶段直到最终测试整个过程中涉及的主要步骤，其中包含了典型Sequential模型内部运作的关键环节。
评论 18
成就一亿技术人!
拼手气红包6.0元
还能输入1000个字符
 
红包 添加红包
表情包 插入表情
表情包 代码片
 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