永荣带你玩转昇腾

RecSDK 方案概述 Rec SDK作为基于昇腾平台的搜索推荐广告框架，为支撑大规模搜索推荐广告场景，提供多种功能特性，助力完成搜索推荐广告模型的高效训练。...

昇腾适配GR（生成式推荐）模型实践 摘要/引言 简要介绍GR模型在生成式推荐领域的重要性。 阐述将GR模型适配到昇腾NPU的战略意义与技术挑战。 概述本文将要展示的适配路径...

嵌入表性能提升：优化策略及算法介绍 1、 多流并行策略；2. PinMemory；3. 两级特征去重；4. 通信优化；5. 梯度累积；...

pipeline多级流水 Pipeline多级流水的核心思想是将训练步骤拆分为多个连续的阶段（Stage），通过异步调度，使不同批次的处理过程在流水线上重叠执行。...

准入淘汰策略主要应用于推荐系统的多级缓存架构中，是推荐模型训练过程中缓存管理的核心组成部分。它位于训练流程的缓存管理层。...

嵌入表分片与哈希管理：支撑万亿参数的关键技术； 基于昇腾的hash表管理，将离散的ID转为连续的行号（hash indices），从而压缩特征空间，实现高效存储和查询。...

简单介绍推荐系统目前的应用与挑战，以及目前业内常用的解决方案。和美团已经落地的MTGR框架的简单介绍。...

昇腾推荐系统架构解析：嵌入表存储到多级缓存的全链路设计 ；昇腾 A2 处理器架构与 Embedding 优化策略 昇腾 A2 处理器采用独特的达芬奇架构，具备完整的片上多级...

PyTorch 语音信号预处理实战 深度学习的模型训练隶属于监督学习过程，通常是给定训练输入及对应的标签，然后使用某种损失计算方式与反向传播算法使得算法收敛。...

Pytroch实现bert网络文本分类 本实验主要是用来指导用户如何使用pytorch来搭建经典的Bert网络，并在此基础上使用昇腾Npu硬件对Bert网络实现文本分类训练...

背景：最近在对ctr场景的MMOE结构做分布式训练过程中发现对很多通信源语不是很了解，查阅了一些资料将目前常用的一些通信源语进行了总结，欢迎大家批评指正。 目前大模型分布式...

使用 NPU的HSTU融合算子来实现推荐系统生成式推荐模型GR。并且NPU的性能明显优于GPU的性能。...

PyTorch 实现 Vggnet图像分类 本实验主要介绍了如何在昇腾上，使用pytorch对经典的Vggnet模型在公开的CIFAR10数据集进行分类训练的实战讲解。...

在介绍推荐系统网络之前，先了解一下推荐系统的基本架构包括用户画像、召回、粗排、精排与混排五个模块。其中用户画像主要是构建用户兴趣，通过用户的行为日志信息识别出用户的兴趣...

CTR领域经典机器模型介绍，包括逻辑回归，梯度提升决策树，梯度提升决策树+LR， 这三种经典的CTR模型。...

模型并行之Embedding表 Embedding在推荐模型中承担着将用户、物品及上下文信息映射为低维稠密向量的核心任务，通过捕捉潜在语义关联和协同过滤信号，为推荐系统提供...

本文主要介绍如何在昇腾上使用pytorch对推荐系统中经典的网络模型Din进行训练的实战讲解，使用数据集是Amazon中book数据集，主要内容分为以下几个模块： Din网...