Colab fornisce l'accesso alle GPU per i nuovi studenti e offre ai professionisti esperti un modo semplice per sperimentare il sistema di raccomandazione Merlin!

Segui questo blog e impara quanto segue:

• installa RAPIDS su Google Colab (facile da fare ora grazie alle nuove funzionalità implementate dai miei colleghi ! )
• installare il Merlin Framework
• eseguire esempi di Merlin Framework e iniziare ad armeggiare con esso

• senza alterare l'ambiente
• utilizzando risorse disponibili gratuitamente e in esecuzione sulla GPU

Installazione di RAPIDS e Merlin su Google Colab

Passa a Google Colab e scegli un taccuino di esempio Merlin che desideri eseguire. La traccia introduttiva di Merlin Models è ottima per cominciare.

Cominciamo con 01-Getting-started!

Passare a File> Open notebook, passare a GitHubdal menu in alto e copiare il percorso del repository nel campo di ricerca .

Successivamente, fai clic sulla lente di ingrandimento a destra o premi Invio.

Prima di procedere, assicurati di utilizzare un ambiente con una GPU. Nella barra dei menu in alto, vai su Runtime> Change runtime typee seleziona GPU perHardware accelerator.

Quindi copia il codice qui sotto nel tuo taccuino come prima cella, eseguilo e dovresti essere a posto!

# 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

Potrebbero essere necessari alcuni istanti per l'installazione di tutto. Dovresti comunque essere in grado di vedere lo streaming dei log sullo schermo, quindi non allarmarti.

E questo è davvero tutto!

Ora puoi eseguire il taccuino e scorrere ogni cella per ispezionare cosa sta facendo ogni riga di codice.

Tutti i nostri esempi sono autonomi, il che significa che genereranno o scaricheranno i dati necessari per l'esecuzione (potrebbe essere necessario eseguirli nell'ordine 01, 02, 03, ecc.).

Ora non sarai in grado di eseguire tutti i notebook di esempio. Ad esempio, non c'è modo di eseguire il server di inferenza Triton su Colab, quindi servire le tue previsioni sarà un fallimento!

Ma questa è solo una parte del centro commerciale del Merlin Framework. Se desideri fare un tour, ecco alcuni tutorial in cui è fantastico immergersi:

• incontra il nuovissimo e potente Merlin Dataloader ed eseguilo con la tua scelta di modello di deep learning vanilla (sia che utilizzi PyTorch o TensorFlow )
• prova la velocità e la comodità di pre-elaborare i tuoi dati utilizzando la GPU quando ti immergi in questi notebook introduttivi NVTabular
• bagnati i piedi con i modelli Merlin, impara a definire le tue architetture o usa uno dei tanti modelli predefiniti, in questa traccia introduttiva (abbiamo usato il primo taccuino come esempio per questo post del blog)
• sperimenta uno degli argomenti più caldi nei sistemi di raccomandazione, ovvero i consigli basati sulla sessione, in questo set introduttivo di notebook che sfruttano l'architettura Transformer

Riepilogo

In questo post del blog, abbiamo esaminato come installare RAPIDS e Merlin Framework su Google Colab. L'utilizzo dei nostri notebook di esempio è solo un punto di partenza: il passaggio successivo potrebbe essere personalizzarli o eseguirli su diversi set di dati!

Grazie per aver letto! Se desideri saperne di più sull'innovativo Merlin Framework, puoi farlo qui .