pai_rec_coder_个人页

EasyRec可以在训练的时候，用一个worker来评估：https://easyrec.readthedocs.io/en/latest/train.html可以看单独评估模型：https://easyrec.readthedocs.io/en/latest/eval.html 在PAI上面训练的时候，可以在worker1上面看看评估结果。

阿里云Pairec是一个用于搭建推荐系统的云原生解决方案，它可以帮助用户快速搭建高性能、高可用的推荐系统，并提供了代码生成、ab test服务、实验报表后台等多种功能和工具，使得搭建过程更加简单和高效。 以下是一些使用阿里云Pairec来搭建推荐系统的原因： 快速搭建：阿里云Pairec提供了丰富的召回组件、排序模型、推荐系统诊断工具，可以快速搭建出推荐系统的基础架构和核心算法，减少了开发人员的重复劳动和调试时间，提高了开发效率。高性能：阿里云Pairec采用了先进的计算和存储技术，如hologres、graphcompute等，可以支持大规模数据的处理和实时推荐，能够提供高效的推荐算法和用户交互体验。高可用性：阿里云Pairec提供了高可用性的设计和容错机制，能够保证推荐系统的稳定性和可靠性，避免因系统故障或数据丢失导致服务中断或数据损失。 降低成本：使用阿里云Pairec可以降低搭建推荐系统的成本，避免了开发、维护和管理大规模基础设施的费用和精力，同时也可以根据实际需求进行按需购买机器资源（如PAI-EAS打分资源），有效控制成本。总之，使用阿里云Pairec来搭建推荐系统可以大大提高开发效率、推荐系统性能和可靠性，同时也可以降低成本，对于需要搭建推荐系统的企业和机构来说，是一种非常有吸引力的选择。

1、统计浙江省销量大于某量的销售城市排名： select city, SUM(amt) AS total_amt from table1 where province = '浙江省' group by city having count(*) > 1 and sum(amt) > 2000 order by total_amt desc limit 10;

应该是用dcg 和ndcg 两个loss type来训练的时候需要

提工单，带上 logview的url

建议使用DSW，先编写代码，需要训练的时候才启用GPU dsw

pai深度学习 可以使用pai-tensorflow

一个GPU 可以使用 dsw

刷新页面试试呢

离线部署：是指放到调度系统中去使用 在线部署

把数据置为表t，然后t * t 做笛卡尔积，然后对两两图片的标签+权重字段计算相似度，相似度可以写一个udf来实现。

增加sql 组件，select 这10个特征

建议使用pai 的dsw 产品

可以参考这个推荐综述：链接 里面有etrec、als、FM等算法 ； 可以是使用deepfm 也可以使用EasyRec开源包

用shell 脚本，把pai 命令包在for 循环里面

还支持pytorch https://help.aliyun.com/document_detail/148437.html

参考这个：https://help.aliyun.com/document_detail/154188.html

dataworks 中，或者odpscmd 命令行中使用。