Слияние кода завершено, страница обновится автоматически
Этот пакет содержит функции, упрощающие выполнение общих задач, которые используются при разработке и оценке рекомендательных систем. Ниже приводится краткое описание подмодулей. Для получения более подробной информации о доступных функциях и их использовании ознакомьтесь с документацией строк документации, предоставленной вместе с кодом, или онлайн-документацией.
Некоторые зависимости требуют компиляции во время установки через pip. В Linux это можно поддержать, добавив зависимости build-essential:
sudo apt-get install -y build-essential libpython<version>
где <version> должна быть версией Python (например, 3.8).
В Windows вам понадобятся инструменты сборки Microsoft C++.
Для получения дополнительной информации о программных требованиях, которые должны быть предварительно установлены на каждой поддерживаемой платформе, см. руководство по настройке.
Чтобы установить основные утилиты, алгоритмы на основе ЦП и зависимости:
pip install --upgrade pip setuptools
pip install recommenders
По умолчанию recommenders не устанавливает все зависимости, используемые в коде и примерах ноутбуков в этом репозитории. Вместо этого мы требуем минимальный набор зависимостей, необходимых для выполнения функций в пакете recommenders (исключая Spark, GPU и Jupyter функциональность). Мы также позволяем пользователю указать, какие группы зависимостей необходимы во время установки (или позже, если обновлять установку через pip). Предоставляются следующие группы:
black и pytest, требуются только для разработки или тестированияОбратите внимание, что в настоящее время xLearn и Vowpal Wabbit находятся в экспериментальной группе.
Эти группы можно устанавливать отдельно или в комбинации:
# установите рекомендатели с основными требованиями и поддержкой алгоритмов рекомендаций на основе CPU и ноутбуков
pip install recommenders[examples]
# добавьте поддержку для запуска примеров ноутбуков и функциональности GPU
pip install recommenders[examples,gpu]
Вам потребуются CUDA Toolkit v11.2 и CuDNN v8.1, чтобы включить использование GPU как Tensorflow, так и PyTorch. Например, если вы используете среду conda, это можно установить с помощью:
conda install -c conda-forge cudatoolkit=11.2 cudnn=8.1
Для виртуальной среды вы можете использовать контейнер Docker от Nvidia.
Для ручной установки необходимых требований см. страницы установки TensorFlow и PyTorch.
При установке с поддержкой GPU вам нужно будет указать на индекс PyTorch, чтобы убедиться, что вы загружаете версию PyTorch, скомпилированную с поддержкой CUDA. Это можно сделать с помощью параметров --find-links или -f ниже.
pip install recommenders[gpu] -f https://download.pytorch.org/whl/cu111/torch_stable.html
Мы в настоящее время оцениваем включение следующих зависимостей:
Вы можете оставить комментарий после Вход в систему
Неприемлемый контент может быть отображен здесь и не будет показан на странице. Вы можете проверить и изменить его с помощью соответствующей функции редактирования.
Если вы подтверждаете, что содержание не содержит непристойной лексики/перенаправления на рекламу/насилия/вульгарной порнографии/нарушений/пиратства/ложного/незначительного или незаконного контента, связанного с национальными законами и предписаниями, вы можете нажать «Отправить» для подачи апелляции, и мы обработаем ее как можно скорее.
Опубликовать ( 0 )