¡Colab brinda acceso a las GPU para los nuevos estudiantes y les permite a los profesionales experimentados una manera fácil de experimentar con el sistema de recomendación de Merlin!

Siga este blog y aprenda lo siguiente:

• instalar RAPIDS en Google Colab (¡fácil de hacer ahora gracias a la nueva funcionalidad implementada por mis colegas ! )
• instalar el Marco de Merlín
• ejecuta los ejemplos de Merlin Framework y comienza a jugar con él

• sin alterar tu entorno
• utilizando recursos disponibles gratuitamente y ejecutándose en la GPU

Instalación de RAPIDS y Merlin en Google Colab

Vaya a Google Colab y elija un cuaderno de ejemplo de Merlin que le gustaría ejecutar. La pista introductoria de Merlin Models es genial para empezar.

¡Empecemos con 01-Getting-started!

Vaya a File> Open notebook, cambie a GitHubdesde el menú de arriba y copie la ruta al repositorio en el campo de búsqueda .

A continuación, haga clic en la lupa a la derecha o presione enter.

Antes de continuar, asegúrese de estar utilizando un entorno con una GPU. En la barra de menú en la parte superior, vaya a Runtime> Change runtime typey seleccione GPU paraHardware accelerator.

Luego, copie el código a continuación en su cuaderno como la primera celda, ejecútelo, ¡y debería estar listo para comenzar!

# This get the RAPIDS-Colab install files and test check your GPU.  Run this and the next cell only.
# Please read the output of this cell.  If your Colab Instance is not RAPIDS compatible, it will warn you and give you remediation steps.
!git clone https://github.com/rapidsai/rapidsai-csp-utils.git
%cd rapidsai-csp-utils
!git checkout pip-patch-22.10
%cd ..
!python rapidsai-csp-utils/colab/env-check.py
!python rapidsai-csp-utils/colab/pip-install.py

# Install the Merlin Framework
!pip install -U git+https://github.com/NVIDIA-Merlin/models.git
!pip install -U git+https://github.com/NVIDIA-Merlin/nvtabular.git
!pip install -U git+https://github.com/NVIDIA-Merlin/core.git
!pip install -U git+https://github.com/NVIDIA-Merlin/system.git
!pip install -U git+https://github.com/NVIDIA-Merlin/dataloader.git
!pip install -U git+https://github.com/NVIDIA-Merlin/Transformers4Rec.git
!pip install -U xgboost lightfm implicit

Puede tomar unos minutos para que todo esté instalado. Sin embargo, debería poder ver el flujo de registros en su pantalla, así que no se alarme.

¡Y eso es todo!

Ahora puede ejecutar el cuaderno y recorrer cada celda para inspeccionar qué está haciendo cada línea de código.

Todos nuestros ejemplos son autónomos, lo que significa que generarán o descargarán los datos que necesitan para ejecutarse (es posible que deba ejecutarlos en el orden 01, 02, 03, etc.).

Ahora, no podrá ejecutar todos los cuadernos de ejemplo. Por ejemplo, no hay forma de ejecutar Triton Inference Server en Colab, por lo tanto, servir sus predicciones no será posible.

Pero eso es solo una parte del centro comercial de Merlin Framework. Si desea hacer un recorrido por él, aquí hay varios tutoriales que son excelentes para sumergirse:

• conozca el nuevo y poderoso Merlin Dataloader y ejecútelo con el modelo de aprendizaje profundo de su elección (ya sea usando PyTorch o TensorFlow )
• experimente la velocidad y la conveniencia de preprocesar sus datos usando la GPU cuando se sumerja en estos portátiles introductorios NVTabular
• mójese los pies con Merlin Models, aprenda a definir sus propias arquitecturas o use uno de los muchos modelos predefinidos en esta pista introductoria (usamos el primer cuaderno como ejemplo para esta publicación de blog)
• experimente con uno de los temas más candentes en los sistemas de recomendación, que son las recomendaciones basadas en sesiones, en este conjunto introductorio de cuadernos que aprovechan la arquitectura de Transformer

Resumen

En esta publicación de blog, analizamos cómo instalar RAPIDS y Merlin Framework en Google Colab. El uso de nuestros cuadernos de ejemplo es solo un punto de partida: ¡el siguiente paso podría ser personalizarlos o ejecutarlos en diferentes conjuntos de datos!

¡Gracias por leer! Si desea obtener más información sobre Merlin Framework de vanguardia, puede hacerlo aquí .