问题一:机器学习PAI EasyRec训练时,如何导出直接去除这些没有意义的辅助任务的模型,用于部署?
机器学习PAI EasyRec训练时,多个辅助任务提高训练效果。如何导出直接去除这些没有意义的辅助任务的模型,用于部署?有简便方式吗?
参考答案:
可以使用PLE(Progressive Layered Extraction)来导出直接去除没有意义的辅助任务的模型,用于部署。PLE是一种解决多任务学习中跷跷板现象的方法,可以提升一部分任务的效果而不影响其他任务。通过逐层提取的方式,PLE可以得到一个只包含有意义任务的模型。具体的配置说明可以参考PLE的配置说明文档。使用PLE可以简化导出模型的过程,提高部署的效率。
关于本问题的更多回答可点击进行查看:
https://developer.aliyun.com/ask/566706
问题二:机器学习PAI EasyRec Processor 这个是没有开源的是吧?
机器学习PAI EasyRec Processor 这个是没有开源的是吧?
参考答案:
是的,PAI EasyRec Processor 并没有开源。不过,PAI EasyRec 是一个开源的推荐模型自动化工作流,可以帮助用户快速、高效地构建推荐模型。PAI EasyRec 提供了一套完整的推荐模型开发流程,包括数据准备、特征工程、模型训练和模型评估,并且提供了丰富的模型算法和预训练模型。
关于本问题的更多回答可点击进行查看:
https://developer.aliyun.com/ask/566705
问题三:想问下机器学习PAI,这里有2.8吗?
想问下机器学习PAI,datascience-registry.cn-beijing.cr.aliyuncs.com/tensorflow/tensorflow:2.10.0
这里有2.8吗?
想构建一个其他tf版本的镜像
参考答案:
https://help.aliyun.com/zh/pai/user-guide/public-images
关于本问题的更多回答可点击进行查看:
https://developer.aliyun.com/ask/566704
问题四:机器学习PAI用easyrec组件化实现模型,加载下来用相同的样本输入多次,是有什么随机过程吗?
请教下机器学习PAI用easyrec组件化实现模型,加载下来用相同的样本输入多次,得到不同的输出,但是差距不大,是有什么随机过程吗?内置模型没发现相同问题,用组件化搭了一个模型出来,训练好了然后加载出来,用同一条样本去测试,多次打分的结果不一致,千分位万分位的差异,就是没法用一条样本复现相同的打分
参考答案:
我理解影响应该不大
关于本问题的更多回答可点击进行查看:
https://developer.aliyun.com/ask/566703
问题五:机器学习PAI 是放在holo里面好还是放在redis里面好吗?
机器学习PAI i2c这种lookup feature交叉特征从线上性能的角度 是放在holo里面好还是放在redis里面好吗?
参考答案:
用fg在线交叉比较好
关于本问题的更多回答可点击进行查看: