DeepRec项目安装与配置指南
2025-04-17 03:10:14作者:盛欣凯Ernestine
1. 项目基础介绍
DeepRec 是一个高性能的推荐系统深度学习框架,基于 TensorFlow 1.15、Intel-TensorFlow 和 NVIDIA-TensorFlow 开发。它目前托管在 LF AI & Data 基金会的孵化项目中。该项目广泛应用于零售、媒体、广告、社交网络和搜索引擎等领域,具有处理大规模非数值特征的能力,如 ID、标签、文本等。
主要编程语言:
- C++
- Python
2. 项目使用的关键技术和框架
关键技术:
- 大规模分布式训练能力,支持超过万亿样本和超过十万亿参数的推荐模型训练。
- 针对推荐模型,在 CPU 和 GPU 平台上进行了深入的性能优化。
- 包含一系列特性,以提高超大场景下的可用性和性能。
框架:
- TensorFlow 1.15
- Intel-TensorFlow
- NVIDIA-TensorFlow
3. 项目安装和配置准备工作
准备工作
在开始安装之前,请确保您的系统满足以下要求:
- 操作系统:Ubuntu 20.04
- Python 版本:Python 3.8
- TensorFlow:1.15 版本
- CUDA:对于 GPU 版本,需要安装 CUDA 11.6
安装步骤
CPU 平台安装
-
拉取 CPU 平台的 Docker 镜像:
docker pull alideeprec/deeprec-build:deeprec-dev-cpu-py38-ubuntu20.04 -
进入 Docker 容器:
docker run -it alideeprec/deeprec-build:deeprec-dev-cpu-py38-ubuntu20.04 /bin/bash -
配置项目:
./configure -
编译:
bazel build -c opt --config=opt //tensorflow/tools/pip_package:build_pip_package -
创建 whl 包:
./bazel-bin/tensorflow/tools/pip_package/build_pip_package /tmp/tensorflow_pkg -
安装 whl 包:
pip3 install /tmp/tensorflow_pkg/tensorflow-1.15.5+${version}-cp38-cp38m-linux_x86_64.whl
GPU 平台安装
-
拉取 GPU 平台的 Docker 镜像:
docker pull alideeprec/deeprec-build:deeprec-dev-gpu-py38-cu116-ubuntu20.04 -
进入 Docker 容器:
docker run -it alideeprec/deeprec-build:deeprec-dev-gpu-py38-cu116-ubuntu20.04 /bin/bash -
配置项目:
./configure -
编译(确保 CUDA 环境变量设置正确):
bazel build -c opt --config=opt --cxxopt="-D_GLIBCXX_USE_CXX11_ABI=0" --host_cxxopt="-D_GLIBCXX_USE_CXX11_ABI=0" //tensorflow/tools/pip_package:build_pip_package -
创建 whl 包:
./bazel-bin/tensorflow/tools/pip_package/build_pip_package /tmp/tensorflow_pkg -
安装 whl 包:
pip3 install /tmp/tensorflow_pkg/tensorflow-1.15.5+${version}-cp38-cp38m-linux_x86_64.whl
完成以上步骤后,您应该已经成功安装了 DeepRec 项目,并可以开始使用了。
登录后查看全文
热门项目推荐
相关项目推荐
atomcodeClaude Code 的开源替代方案。连接任意大模型,编辑代码,运行命令,自动验证 — 全自动执行。用 Rust 构建,极致性能。 | An open-source alternative to Claude Code. Connect any LLM, edit code, run commands, and verify changes — autonomously. Built in Rust for speed. Get StartedRust0153- DDeepSeek-V4-ProDeepSeek-V4-Pro(总参数 1.6 万亿,激活 49B)面向复杂推理和高级编程任务,在代码竞赛、数学推理、Agent 工作流等场景表现优异,性能接近国际前沿闭源模型。Python00
LongCat-Video-Avatar-1.5最新开源LongCat-Video-Avatar 1.5 版本,这是一款经过升级的开源框架,专注于音频驱动人物视频生成的极致实证优化与生产级就绪能力。该版本在 LongCat-Video 基础模型之上构建,可生成高度稳定的商用级虚拟人视频,支持音频-文本转视频(AT2V)、音频-文本-图像转视频(ATI2V)以及视频续播等原生任务,并能无缝兼容单流与多流音频输入。00
auto-devAutoDev 是一个 AI 驱动的辅助编程插件。AutoDev 支持一键生成测试、代码、提交信息等,还能够与您的需求管理系统(例如Jira、Trello、Github Issue 等)直接对接。 在IDE 中,您只需简单点击,AutoDev 会根据您的需求自动为您生成代码。Kotlin03
Intern-S2-PreviewIntern-S2-Preview,这是一款高效的350亿参数科学多模态基础模型。除了常规的参数与数据规模扩展外,Intern-S2-Preview探索了任务扩展:通过提升科学任务的难度、多样性与覆盖范围,进一步释放模型能力。Python00
skillhubopenJiuwen 生态的 Skill 托管与分发开源方案,支持自建与可选 ClawHub 兼容。Python0112
热门内容推荐
最新内容推荐
项目优选
收起
暂无描述
Dockerfile
733
4.75 K
deepin linux kernel
C
31
16
Ascend Extension for PyTorch
Python
651
797
Claude Code 的开源替代方案。连接任意大模型,编辑代码,运行命令,自动验证 — 全自动执行。用 Rust 构建,极致性能。 | An open-source alternative to Claude Code. Connect any LLM, edit code, run commands, and verify changes — autonomously. Built in Rust for speed.
Get Started
Rust
1.25 K
153
旨在打造算法先进、性能卓越、高效敏捷、安全可靠的密码套件,通过轻量级、可剪裁的软件技术架构满足各行业不同场景的多样化要求,让密码技术应用更简单,同时探索后量子等先进算法创新实践,构建密码前沿技术底座!
C
1.1 K
611
本项目是CANN提供的数学类基础计算算子库,实现网络在NPU上加速计算。
C++
1.01 K
1.01 K
华为昇腾面向大规模分布式训练的多模态大模型套件,支撑多模态生成、多模态理解。
Python
147
237
昇腾LLM分布式训练框架
Python
168
200
openEuler内核是openEuler操作系统的核心,既是系统性能与稳定性的基石,也是连接处理器、设备与服务的桥梁。
C
434
395
暂无简介
Dart
986
253