标签：sampleMovieLensMPS GitHub 示例 TensorRT sample Recommenders MPS samples
Recommenders with TensorRT
推荐系统用于向社交网络、媒体内容消费和电子商务平台的用户提供产品或媒体推荐。基于MLP的神经协作滤波器（NCF）推荐器使用一组完全连接或矩阵乘法层来生成推荐。 TensorRT推荐人示例的一些示例包括：
- Movie Recommendation Using Neural Collaborative Filter (NCF)
- Movie Recommendation Using MPS (Multi-Process Service)
- “Hello World” For Multilayer Perceptron (MLP)
3.1. Movie Recommendation Using Neural Collaborative Filter (NCF)
这个示例sampleMovieLens是一个端到端的示例，它导入一个经过训练的TensorFlow模型，并为每个用户预测最高收视率的电影。这个例子演示了一个简单的电影推荐系统，它使用了基于多层感知器（MLP）的神经协作滤波器（NCF）推荐器。
What does this sample do?
具体地说，这个示例演示了如何为TensorRT可以加速的MovieLens数据集生成权重。
Where is this sample located?
此示例保存在GitHub: sampleMovieLens存储库中的samples/opensource/sampleMovieLens目录下。如果使用Debian或RPM包，则示例位于
/usr/src/tensorrt/samples/sampleMovieLens。如果使用tar或zip包，则示例位于<extracted_path>/samples/sampleMovieLens。
How do I get started?
有关入门的更多信息，请参见使用C++示例开始。有关此示例的详细信息，请参阅GitHub: sampleMovieLens/README.md文件获取有关此示例如何工作的详细信息、示例代码以及有关如何运行和验证其输出的分步说明。
这个示例sampleMovieLensMPS是一个端到端的示例，它导入经过训练的TensorFlow模型，并使用MPS（多进程服务）为每个用户预测最高评级的电影。
What does this sample do?
MPS允许多个CUDA进程共享一个GPU上下文。使用MPS，可以同时调度来自不同进程的多个重叠内核执行和memcpy操作，以实现最大利用率。对于资源利用率低的小型网络，例如主要由一系列小型MLP组成的网络，这对于提高并行性尤其有效。
此示例在功能上与使用神经协作过滤器（NCF）的电影推荐相同，但经过修改以支持多个进程中的并发执行。具体地说，这个示例演示了如何为TensorRT可以加速的MovieLens数据集生成权重。
注：目前，sampleMovieLensMPS只支持Linux x86-64（包括Ubuntu和RedHat）桌面用户。
Where is this sample located?
此示例保存在GitHub: sampleMovieLensMPS存储库中的
samples/opensource/sampleMovieLensMPS目录下。如果使用Debian或RPM包，则示例位于/usr/src/tensorrt/samples/sampleMovieLensMPS。如果使用tar或zip包，则示例位于<extracted_path>/samples/sampleMovieLensMPS。
How do I get started?
有关入门的更多信息，请参见使用C++示例开始。有关此示例的详细信息，请参阅GitHub: sampleMovieLensMPS/README.md文件获取有关此示例如何工作的详细信息、示例代码以及有关如何运行和验证其输出的分步说明。
3.2. Movie Recommendation Using MPS (Multi-Process Service)
这个示例sampleMovieLensMPS是一个端到端的示例，它导入经过训练的TensorFlow模型，并使用MPS（多进程服务）为每个用户预测最高评级的电影。
What does this sample do?
MPS允许多个CUDA进程共享一个GPU上下文。使用MPS，可以同时调度来自不同进程的多个重叠内核执行和memcpy操作，以实现最大利用率。对于资源利用率低的小型网络，例如主要由一系列小型MLP组成的网络，这对于提高并行性尤其有效。 此示例在功能上与使用神经协作过滤器（NCF）的电影推荐相同，但经过修改以支持多个进程中的并发执行。具体地说，这个示例演示了如何为TensorRT可以加速的MovieLens数据集生成权重。
注：目前，sampleMovieLensMPS只支持Linux x86-64（包括Ubuntu和RedHat）桌面用户。
Where is this sample located?
This sample is maintained under thesamples/opensource/sampleMovieLensMPS directory in the GitHub: sampleMovieLensMPS repository. If using the Debian or RPM package, the sample is located at /usr/src/tensorrt/samples/sampleMovieLensMPS. If using the tar or zip package, the sample is at<extracted_path>/samples/sampleMovieLensMPS.
How do I get started?
有关入门的更多信息，请参见使用C++示例开始。有关此示例的详细信息，请参阅GitHub:sampleMovieLensMPS/README.md文件获取有关此示例如何工作的详细信息、示例代码以及有关如何运行和验证其输出的分步说明。
3.3. “Hello World” For Multilayer Perceptron (MLP)
这个示例sampleMLP是一个简单的hello world示例，演示了如何创建一个触发多层感知器（MLP）优化器的网络。生成的MLP优化器可以加速TensorRT。
Where is this sample located?
此示例保存在GitHub:sampleMLP存储库中的samples/opensource/sampleMLP目录下。如果使用Debian或RPM包，则示例位于/usr/src/tensorrt/samples/sampleMLP。如果使用tar或zip包，则示例位于<extracted_path>/samplesMLP。
How do I get started?
有关入门的更多信息，请参见使用C++示例开始。有关此示例的详细信息，请参阅GitHub: sampleMLP/README.md文件获取有关此示例如何工作的详细信息、示例代码以及有关如何运行和验证其输出的分步说明。
标签：sampleMovieLensMPS,GitHub,示例,TensorRT,sample,Recommenders,MPS,samples 来源： https://www.cnblogs.com/wujianming-110117/p/13924019.html
本站声明： 1. iCode9 技术分享网（下文简称本站）提供的所有内容，仅供技术学习、探讨和分享； 2. 关于本站的所有留言、评论、转载及引用，纯属内容发起人的个人观点，与本站观点和立场无关； 3. 关于本站的所有言论和文字，纯属内容发起人的个人观点，与本站观点和立场无关； 4. 本站文章均是网友提供，不完全保证技术分享内容的完整性、准确性、时效性、风险性和版权归属；如您发现该文章侵犯了您的权益，可联系我们第一时间进行删除； 5. 本站为非盈利性的个人网站，所有内容不会用来进行牟利，也不会利用任何形式的广告来间接获益，纯粹是为了广大技术爱好者提供技术内容和技术思想的分享性交流网站。