Colab fournit un accès aux GPU pour les nouveaux apprenants et permet aux praticiens expérimentés d'expérimenter facilement le système de recommandation Merlin !

Suivez ce blog et découvrez ce qui suit :

• installer RAPIDS sur Google Colab (facile à faire maintenant grâce à une nouvelle fonctionnalité mise en place par mes collègues ! )
• installer le Framework Merlin
• exécuter des exemples de Merlin Framework et commencer à bricoler avec

• sans altérer votre environnement
• en utilisant des ressources librement disponibles et en s'exécutant sur le GPU

Installer RAPIDS et Merlin sur Google Colab

Accédez à Google Colab et choisissez un exemple de bloc-notes Merlin que vous souhaitez exécuter. La piste d'introduction de Merlin Models est idéale pour commencer.

Commençons par 01-Getting-started!

Accédez à File> Open notebook, passez à GitHubdans le menu du haut et copiez le chemin vers le référentiel dans le champ de recherche .

Ensuite, cliquez sur la loupe à droite ou appuyez sur Entrée.

Avant de continuer, assurez-vous que vous utilisez un environnement avec un GPU. Dans la barre de menu en haut, allez à Runtime> Change runtime typeet sélectionnez GPU pourHardware accelerator.

Ensuite, copiez le code ci-dessous dans votre bloc-notes en tant que première cellule, exécutez-le et vous devriez être prêt à partir !

# 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

Cela peut prendre quelques instants pour que tout soit installé. Vous devriez cependant pouvoir voir le flux de journaux sur votre écran, alors ne vous inquiétez pas.

Et c'est vraiment ça !

Vous pouvez maintenant exécuter le bloc-notes et parcourir chaque cellule pour inspecter ce que fait chaque ligne de code.

Tous nos exemples sont autonomes, ce qui signifie qu'ils généreront ou téléchargeront les données dont ils ont besoin pour s'exécuter (vous devrez peut-être les exécuter dans l'ordre 01, 02, 03, etc.).

Désormais, vous ne pourrez plus exécuter tous les exemples de notebooks. Par exemple, il n'y a aucun moyen d'exécuter le serveur d'inférence Triton sur Colab, donc servir vos prédictions sera impossible !

Mais ce n'est qu'une petite partie du cadre Merlin. Si vous souhaitez en faire le tour, voici plusieurs tutoriels dans lesquels vous pourrez vous plonger :

• rencontrez le tout nouveau et puissant Merlin Dataloader et exécutez-le avec votre choix de modèle d'apprentissage en profondeur vanille (que ce soit en utilisant PyTorch ou TensorFlow )
• découvrez la rapidité et la commodité du prétraitement de vos données à l'aide du GPU lorsque vous plongez dans ces blocs-notes d'introduction NVTabular
• familiarisez-vous avec les modèles Merlin, apprenez à définir vos propres architectures ou utilisez l'un des nombreux modèles prédéfinis dans cette piste d'introduction (nous avons utilisé le premier cahier comme exemple pour cet article de blog)
• expérimentez l'un des sujets les plus brûlants des systèmes de recommandation, à savoir les recommandations basées sur les sessions, dans cet ensemble de blocs-notes d'introduction tirant parti de l'architecture Transformer

Résumé

Dans cet article de blog, nous avons vu comment installer RAPIDS et Merlin Framework sur Google Colab. L'utilisation de nos blocs-notes d'exemple n'est qu'un point de départ - la prochaine étape pourrait être de les personnaliser ou de les exécuter sur différents ensembles de données !

Merci pour la lecture! Si vous souhaitez en savoir plus sur le framework Merlin de pointe, vous pouvez le faire ici .