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 StartedRust099- 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
MiMo-V2.5-ProMiMo-V2.5-Pro作为旗舰模型,擅⻓处理复杂Agent任务,单次任务可完成近千次⼯具调⽤与⼗余轮上 下⽂压缩。Python00
GLM-5.1GLM-5.1是智谱迄今最智能的旗舰模型,也是目前全球最强的开源模型。GLM-5.1大大提高了代码能力,在完成长程任务方面提升尤为显著。和此前分钟级交互的模型不同,它能够在一次任务中独立、持续工作超过8小时,期间自主规划、执行、自我进化,最终交付完整的工程级成果。Jinja00
Kimi-K2.6Kimi K2.6 是一款开源的原生多模态智能体模型,在长程编码、编码驱动设计、主动自主执行以及群体任务编排等实用能力方面实现了显著提升。Python00
MiniMax-M2.7MiniMax-M2.7 是我们首个深度参与自身进化过程的模型。M2.7 具备构建复杂智能体应用框架的能力,能够借助智能体团队、复杂技能以及动态工具搜索,完成高度精细的生产力任务。Python00
项目优选
收起
deepin linux kernel
C
28
16
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
576
99
暂无描述
Dockerfile
710
4.51 K
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++
958
955
🎉 (RuoYi)官方仓库 基于SpringBoot,Spring Security,JWT,Vue3 & Vite、Element Plus 的前后端分离权限管理系统
Vue
1.61 K
942
Ascend Extension for PyTorch
Python
573
694
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
414
339
🍒 Cherry Studio 是一款支持多个 LLM 提供商的桌面客户端
TypeScript
1.43 K
116
暂无简介
Dart
952
235
Nop Platform 2.0是基于可逆计算理论实现的采用面向语言编程范式的新一代低代码开发平台,包含基于全新原理从零开始研发的GraphQL引擎、ORM引擎、工作流引擎、报表引擎、规则引擎、批处理引引擎等完整设计。nop-entropy是它的后端部分,采用java语言实现,可选择集成Spring框架或者Quarkus框架。中小企业可以免费商用
Java
12
2