একটি প্রশ্ন আছে? টেনসরফ্লো ফোরাম ভিজিট ফোরামের সম্প্রদায়ের সাথে সংযুক্ত হন

টেনসরফ্লো সুপারিশকারীরা

import tensorflow_datasets as tfds
import tensorflow_recommenders as tfrs

# Load data on movie ratings.
ratings = tfds.load("movielens/100k-ratings", split="train")
movies = tfds.load("movielens/100k-movies", split="train")

# Build flexible representation models.
user_model = tf.keras.Sequential([...])
movie_model = tf.keras.Sequential([...])

# Define your objectives.
task = tfrs.tasks.Retrieval(metrics=tfrs.metrics.FactorizedTopK(
    movies.batch(128).map(movie_model)
  )
)

# Create a retrieval model.
model = MovielensModel(user_model, movie_model, task)
model.compile(optimizer=tf.keras.optimizers.Adagrad(0.5))

# Train.
model.fit(ratings.batch(4096), epochs=3)

# Set up retrieval using trained representations.
index = tfrs.layers.ann.BruteForce(model.user_model)
index.index(movies.batch(100).map(model.movie_model), movies)

# Get recommendations.
_, titles = index(np.array(["42"]))
print(f"Recommendations for user 42: {titles[0, :3]}")
চালান
টেনসরফ্লো সুপারিশকারীরা (টিএফআরএস) বিল্ডিং সুপারিশকারী সিস্টেম মডেলগুলির জন্য একটি গ্রন্থাগার।

এটি একটি সুপারিশকারী সিস্টেম তৈরির পুরো কর্মপ্রবাহে সহায়তা করে: ডেটা প্রস্তুতি, মডেল প্রণয়ন, প্রশিক্ষণ, মূল্যায়ন এবং স্থাপনা।

এটি কেরাসে নির্মিত এবং এখনও জটিল মডেলগুলি তৈরির ক্ষেত্রে আপনাকে নমনীয়তা দেওয়ার সময় একটি শিখার নমনীয় বক্ররেখার লক্ষ্য রাখে।

টিএফআরএস এটি সম্ভব করে তোলে:
  • নমনীয় সুপারিশ পুনরুদ্ধার মডেলগুলি তৈরি এবং মূল্যায়ন করুন।
  • প্রস্তাবিত মডেলগুলিতে আইটেম, ব্যবহারকারী এবং প্রসঙ্গে তথ্য নিখরচায় অন্তর্ভুক্ত করুন।
  • মাল্টি-টাস্ক মডেলগুলি প্রশিক্ষণ দিন যা যৌথভাবে একাধিক সুপারিশের উদ্দেশ্যগুলি অনুকূল করে।
TFRS ওপেন সোর্স এবং উপলব্ধ GitHub থেকে

আরও শিখতে, কীভাবে সিনেমার সুপারিশকারী সিস্টেম তৈরি করবেন তার টিউটোরিয়াল দেখুন বা এপিআই রেফারেন্সের জন্য এপিআই ডক্স পরীক্ষা করে দেখুন।