Torch-RecHub

中文Wiki站

查看最新研发进度，认领感兴趣的研发任务，学习rechub模型复现心得，加入rechub共建者团队等

点击链接

安装

#稳定版 
pip install torch-rechub

#最新版
1. git clone https://github.com/datawhalechina/torch-rechub.git
2. cd torch-rechub
3. python setup.py install

核心定位

易用易拓展，聚焦复现业界实用的推荐模型，以及泛生态化的推荐场景

主要特性

• scikit-learn风格易用的API（fit、predict），即插即用

• 模型训练与模型定义解耦，易拓展，可针对不同类型的模型设置不同的训练机制

• 接受pandas的DataFrame、Dict数据输入，上手成本低

• 高度模块化，支持常见Layer，容易调用组装成新模型

  • LR、MLP、FM、FFM、CIN

  • target-attention、self-attention、transformer

• 支持常见排序模型

  • WideDeep、DeepFM、DIN、DCN、xDeepFM等

• 支持常见召回模型

  • DSSM、YoutubeDNN、YoutubeDSSM、FacebookEBR、MIND等

• 丰富的多任务学习支持

  • SharedBottom、ESMM、MMOE、PLE、AITM等模型

  • GradNorm、UWL、MetaBanlance等动态loss加权机制

• 聚焦更生态化的推荐场景

  • 冷启动

  • 延迟反馈

  • 去偏

• 支持丰富的训练机制

  • 对比学习

  • 蒸馏学习

• 第三方高性能开源Trainer支持（Pytorch Lighting）

• 更多模型正在开发中

快速使用

单任务排序

from torch_rechub.models.ranking import WideDeep, DeepFM, DIN
from torch_rechub.trainers import CTRTrainer
from torch_rechub.basic.utils import DataGenerator

dg = DataGenerator(x, y)
train_dataloader, val_dataloader, test_dataloader = dg.generate_dataloader()

model = DeepFM(deep_features=deep_features, fm_features=fm_features, mlp_params={"dims": [256, 128], "dropout": 0.2, "activation": "relu"})

ctr_trainer = CTRTrainer(model)
ctr_trainer.fit(train_dataloader, val_dataloader)
auc = ctr_trainer.evaluate(ctr_trainer.model, test_dataloader)

多任务排序

from torch_rechub.models.multi_task import SharedBottom, ESMM, MMOE, PLE, AITM
from torch_rechub.trainers import MTLTrainer

model = MMOE(features, task_types, n_expert=3, expert_params={"dims": [64,32,16]}, tower_params_list=[{"dims": [8]}, {"dims": [8]}])

ctr_trainer = MTLTrainer(model)
ctr_trainer.fit(train_dataloader, val_dataloader)
auc = ctr_trainer.evaluate(ctr_trainer.model, test_dataloader)