Colab cung cấp quyền truy cập vào GPU cho những người mới học và cho phép những người đã có kinh nghiệm trải nghiệm một cách dễ dàng với hệ thống đề xuất Merlin!

Theo cùng với blog này và tìm hiểu những điều sau đây:

• cài đặt RAPIDS trên Google Colab (dễ dàng thực hiện ngay bây giờ nhờ chức năng mới do đồng nghiệp của tôi triển khai ! )
• cài đặt Khung công tác Merlin
• chạy các ví dụ về Khung công tác Merlin và bắt đầu mày mò với nó

• mà không làm thay đổi môi trường của bạn
• sử dụng các tài nguyên có sẵn miễn phí và chạy trên GPU

Cài đặt RAPIDS và Merlin trên Google Colab

Điều hướng đến Google Colab và chọn sổ ghi chép mẫu Merlin mà bạn muốn chạy. Phần giới thiệu của Merlin Models rất tuyệt để bắt đầu.

Hãy bắt đầu với 01-Getting-started!

Điều hướng đến File> Open notebook, chuyển sang GitHubtừ menu trên cùng và sao chép đường dẫn đến kho lưu trữ vào trường tìm kiếm .

Tiếp theo, nhấp vào kính lúp ở bên phải hoặc nhấn enter.

Trước khi tiếp tục, hãy đảm bảo rằng bạn đang sử dụng môi trường có GPU. Trên thanh menu trên cùng, đi tới Runtime> Change runtime typevà chọn GPU choHardware accelerator.

Sau đó, sao chép mã bên dưới vào sổ ghi chép của bạn làm ô đầu tiên, chạy nó và bạn sẽ thấy ổn!

# 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

Có thể mất một lúc để mọi thứ được cài đặt. Tuy nhiên, bạn sẽ có thể xem luồng nhật ký trên màn hình của mình, vì vậy đừng lo lắng.

Và đó thực sự là nó!

Giờ đây, bạn có thể thực thi sổ ghi chép và duyệt qua từng ô để kiểm tra từng dòng mã đang làm gì.

Tất cả các ví dụ của chúng tôi đều độc lập, có nghĩa là chúng sẽ tạo hoặc tải xuống dữ liệu chúng cần để chạy (bạn có thể cần thực thi chúng theo thứ tự 01, 02, 03, v.v.).

Bây giờ, bạn sẽ không thể chạy tất cả các sổ ghi chép ví dụ. Chẳng hạn, không có cách nào để chạy Máy chủ suy luận Triton trên Colab, do đó, việc cung cấp dự đoán của bạn sẽ không thành công!

Nhưng đó chỉ là một phần trung tâm của Merlin Framework. Nếu bạn muốn thực hiện một chuyến tham quan về nó, đây là một số hướng dẫn tuyệt vời để tham gia:

• làm quen với Trình tải dữ liệu Merlin hoàn toàn mới và mạnh mẽ, đồng thời chạy nó với mô hình học sâu thuần túy mà bạn lựa chọn (có thể là sử dụng PyTorch hoặc TensorFlow )
• trải nghiệm tốc độ và sự tiện lợi của việc xử lý trước dữ liệu của bạn bằng GPU khi bạn tìm hiểu kỹ các sổ ghi chép giới thiệu NVTabular này
• làm quen với Mô hình Merlin, tìm hiểu cách xác định kiến ​​trúc của riêng bạn hoặc sử dụng một trong nhiều mô hình được xác định trước, trong phần giới thiệu này (chúng tôi đã sử dụng sổ ghi chép đầu tiên làm ví dụ cho bài đăng trên blog này)
• thử nghiệm với một trong những chủ đề nóng nhất trong các hệ thống đề xuất, đó là các đề xuất dựa trên phiên, trong bộ sổ tay giới thiệu tận dụng kiến ​​trúc Transformer này

Bản tóm tắt

Trong bài đăng trên blog này, chúng ta đã xem xét cách cài đặt RAPIDS và Merlin Framework trên Google Colab. Sử dụng sổ ghi chép ví dụ của chúng tôi chỉ là điểm bắt đầu — bước tiếp theo có thể là tùy chỉnh chúng hoặc chạy chúng trên các bộ dữ liệu khác nhau!

Cảm ơn bạn đã đọc! Nếu bạn muốn tìm hiểu thêm về Khung công tác Merlin tiên tiến, bạn có thể làm như vậy tại đây .