tongjilibo / rec4torch

推荐系统的pytorch算法实现

rec4torch

推荐系统的pytorch算法实现

1. 下载安装

安装稳定版

pip install rec4torch

安装最新版

pip install git+https://www.github.com/Tongjilibo/rec4torch.git

2. 功能

• 核心功能：基于pytorch实现各类推荐算法(DeepFM, WideDeep, DCN, DIN, DIEN)
• 主要区别：相对于deep-ctr, 去除对tensorflow和keras的依赖，去除重复过embedding的操作，原生支持multiclass
• 训练过程：

  2022-10-28 23:16:10 - Start Training
  2022-10-28 23:16:10 - Epoch: 1/5
  5000/5000 [==============================] - 13s 3ms/step - loss: 0.1351 - acc: 0.9601
  Evaluate: 100%|██████████████████████████████████████████████████| 2500/2500 [00:03<00:00, 798.09it/s] 
  test_acc: 0.98045. best_test_acc: 0.98045
  
  2022-10-28 23:16:27 - Epoch: 2/5
  5000/5000 [==============================] - 13s 3ms/step - loss: 0.0465 - acc: 0.9862
  Evaluate: 100%|██████████████████████████████████████████████████| 2500/2500 [00:03<00:00, 635.78it/s] 
  test_acc: 0.98280. best_test_acc: 0.98280
  
  2022-10-28 23:16:44 - Epoch: 3/5
  5000/5000 [==============================] - 15s 3ms/step - loss: 0.0284 - acc: 0.9915
  Evaluate: 100%|██████████████████████████████████████████████████| 2500/2500 [00:03<00:00, 673.60it/s] 
  test_acc: 0.98365. best_test_acc: 0.98365
  
  2022-10-28 23:17:03 - Epoch: 4/5
  5000/5000 [==============================] - 15s 3ms/step - loss: 0.0179 - acc: 0.9948
  Evaluate: 100%|██████████████████████████████████████████████████| 2500/2500 [00:03<00:00, 692.34it/s] 
  test_acc: 0.98265. best_test_acc: 0.98365
  
  2022-10-28 23:17:21 - Epoch: 5/5
  5000/5000 [==============================] - 14s 3ms/step - loss: 0.0129 - acc: 0.9958
  Evaluate: 100%|██████████████████████████████████████████████████| 2500/2500 [00:03<00:00, 701.77it/s] 
  test_acc: 0.98585. best_test_acc: 0.98585
  
  2022-10-28 23:17:37 - Finish Training
  

3. 快速上手

• 参考了deepctr-torch, 使用torch4keras中作为Trainer
• 测试用例

4. 版本说明

• v0.0.2：20240204 更新依赖项torch4keras版本
• v0.0.1：20221027 dcn, deepcrossing, deepfm, din, dien, wide&deep, ncf等模型，训练过程修改为传入dataloader，合并models和layers，合并简化embedding_lookup，去掉一些重复的embedding过程(提速)

5. 更新：

• 20240204：更新依赖项torch4keras版本
• 20221110：增加自定义的TensorDataset和collate_fn_device，支持指定device，防止显存占用多大，用out_dim和loss来替代task参数，兼容多分类
• 20221027：增加deepcrossing, ncf, din, dien算法，使用torch4keras作为trainer
• 20220930：初版提交, 训练过程修改为传入dataloader(参考bert4torch)，合并models和layers(模型结构较简单)，合并简化embedding_lookup，去掉一些重复的embedding过程(提速)