GRU4Rec 项目使用教程

GRU4Rec 项目使用教程

GRU4Rec GRU4Rec is the original Theano implementation of the algorithm in "Session-based Recommendations with Recurrent Neural Networks" paper, published at ICLR 2016 and its follow-up "Recurrent Neural Networks with Top-k Gains for Session-based Recommendations". The code is optimized for execution on the GPU. 项目地址: https://gitcode.com/gh_mirrors/gr/GRU4Rec

1. 项目的目录结构及介绍

GRU4Rec 项目的目录结构如下：

GRU4Rec/
├── examples/
│   └── rsc15/
├── img/
├── param_samples/
├── paramfiles/
├── paramspaces/
├── .gitignore
├── theanorc_gru4rec
├── README.md
├── baselines.py
├── custom_opt.py
├── custom_theano_ops.py
├── datatools.py
├── evaluation.py
├── gpu_ops.py
├── gru4rec.py
├── license.txt
├── paropt.py
├── run.py

目录结构介绍

• examples/: 包含示例数据集的目录，例如 rsc15 数据集。
• img/: 存放项目相关的图片文件。
• param_samples/: 存放参数样本文件。
• paramfiles/: 存放参数配置文件。
• paramspaces/: 存放参数空间文件。
• .gitignore: Git 忽略文件配置。
• theanorc_gru4rec: Theano 配置文件，用于 GPU 加速。
• README.md: 项目介绍和使用说明。
• baselines.py: 基准测试脚本。
• custom_opt.py: 自定义优化器脚本。
• custom_theano_ops.py: 自定义 Theano 操作脚本。
• datatools.py: 数据处理工具脚本。
• evaluation.py: 模型评估脚本。
• gpu_ops.py: GPU 操作脚本。
• gru4rec.py: GRU4Rec 模型的核心实现。
• license.txt: 项目许可证文件。
• paropt.py: 参数优化脚本。
• run.py: 项目启动脚本。

2. 项目的启动文件介绍

run.py

run.py 是 GRU4Rec 项目的启动文件，用于训练、评估和保存/加载 GRU4Rec 模型。可以通过以下命令查看帮助信息：

python run.py -h

主要参数介绍

• -h, --help: 显示帮助信息。
• -ps PARAM_STRING, --parameter_string PARAM_STRING: 训练参数的字符串格式，例如 loss=bpr-max,layers=100,constrained_embedding=True。
• -pf PARAM_PATH, --parameter_file PARAM_PATH: 参数配置文件的路径。
• -l, --load_model: 加载已有的模型。
• -s MODEL_PATH, --save_model MODEL_PATH: 保存模型的路径。
• -t TEST_PATH [TEST_PATH ...], --test_path TEST_PATH [TEST_PATH ...]: 测试数据集的路径。

3. 项目的配置文件介绍

theanorc_gru4rec

theanorc_gru4rec 是 Theano 的配置文件，用于配置 GPU 加速。以下是一些重要的配置参数：

• device: 必须设置为 CUDA 支持的 GPU，例如 cuda0。
• floatX: 必须设置为 float32。
• mode: 应该设置为 FAST_RUN 以实现快速执行。
• optimizer_excluding: 应该设置为 local_dnn_reduction:local_cudnn_maxandargmax:local_dnn_argmax，以避免使用 cuDNN 的 bug 影响性能。

配置示例

[global]
device = cuda0
floatX = float32
mode = FAST_RUN

[optimizer_excluding]
local_dnn_reduction = True
local_cudnn_maxandargmax = True
local_dnn_argmax = True

通过以上配置，可以确保 GRU4Rec 项目在 GPU 上高效运行。

GRU4Rec GRU4Rec is the original Theano implementation of the algorithm in "Session-based Recommendations with Recurrent Neural Networks" paper, published at ICLR 2016 and its follow-up "Recurrent Neural Networks with Top-k Gains for Session-based Recommendations". The code is optimized for execution on the GPU. 项目地址: https://gitcode.com/gh_mirrors/gr/GRU4Rec