數據科學家和機器學習工程師使用許多方法、技術和工具來準備、構建、培訓、部署和優化他們的機器學習模型。雖然技術領先 引用推薦人團隊工作流程中利用開源軟件的重要性 ，但大多數流行的機器學習方法、庫和框架的設計都不是為了支持和加速推薦者工作流。

NVIDIA Merlin 旨在簡化推薦人工作流程。最新的更新包括 Transformers4Rec ，這是一個新的庫，它包裝了 HuggingFace transformer 體系結構，以構建基于會話的建議的管道。它還添加了 SparseOperationsKit （SOK） ，一個新的 Python 包，支持稀疏訓練和深度學習推理（ DL ）。

這一最新版本重申了 NVIDIA 的 commitment 功能，幫助機器學習工程師和數據科學家使用開源規范構建塊開發和優化推薦系統。

Merlin 變壓器 4REC ，專為推薦和解決冷啟動問題而設計

主流媒體中流行的推薦方法通常依賴于長期用戶配置文件或終生用戶行為。然而，獲得新的持續活躍用戶的電子商務和媒體公司必須向首次和早期訪問用戶提供相關建議。相關建議可提高用戶參與度、保留率和向訂閱服務的轉換。

利用基于會話的推薦程序 通過 Transformers4Rec ，數據科學家和機器學習工程師能夠通過利用上下文和最近的用戶交互來預測用戶的下一個動作并提供相關建議，從而解決冷啟動問題。英偉達 Merlin 團隊設計了 TraseRe4ReC 作為獨立解決方案或在一組推薦模型中使用。

稀疏操作套件、稀疏訓練和深入學習推理

與大量數據集受益于使用深度學習（ DL ）推薦工具 合作的推薦團隊。Merlin hugetr是一個 DL 訓練框架 專為推薦系統設計 ，最新更新包括 SOK ，一個新的開源 Python 包，支持稀疏訓練和推理。

它還與包括 TensorFlow 在內的 DL 框架兼容。 SOK 提供了使用 GPU 的嵌入模型并行功能，包括從單個 GPU 擴展到多個 GPU 。大多數常見的 DL 框架不支持模型并行，這使得在集群中使用所有可用的 GPU 具有挑戰性。然而， SOK 與 DL 框架（包括 TensorFlow ）兼容有助于填補這一空白。

關于作者

Ann Spencer 是 Merlin 的高級產品營銷經理。在加入 NVIDIA 之前，她曾在多家數據公司擔任產品和研究職務。 2012-2014 年，她還是 O ‘ Reilly Media 的數據編輯，專注于數據工程和數據科學。

審核編輯：郭婷