recommenders-team/recommenders

[ASK] Azure ML Compute based on algo and users / item size

Open

#896 ouverte le 7 août 2019

Voir sur GitHub
 (2 commentaires) (0 réactions) (0 assignés)Python (2 972 forks)batch import
help wanted

Métriques du dépôt

Stars
 (17 706 stars)
Métriques de merge PR
 (Merge moyen 6j 16h) (10 PRs mergées en 30 j)

Description

Description

I'm trying to run RBM on a problem with about 20K users and 40K items. Is there a way to quickly figure out what type of Azure Machine Learning Compute I would need to handle this size of problem, especially for the GPU. I can run this on an Standard NC12 on the CPU, but when I try to run it with the GPU I get an OOM error or the run fails with the last log entry somewhere deep in Tensorflow.

Other Comments

Guide contributeur

Direction de recherche
Le problème demande des conseils pour sélectionner des ressources de calcul Azure ML pour un modèle RBM avec 20 000 utilisateurs et 40 000 articles. Un contributeur doit d'abord examiner l'implémentation RBM dans le dépôt (probablement dans les répertoires 'examples' ou 'reco utils') pour comprendre la taille du modèle. Ensuite, consulter la documentation Azure ML sur les références SKU de calcul GPU et les exigences de mémoire. Les commentaires existants (2) peuvent contenir un contexte supplémentaire. L'objectif est de fournir des recommandations concrètes basées sur le nombre d'utilisateurs/articles, comme suggérer une taille de VM spécifique ou partager une formule d'estimation de la mémoire.
Stack technique
pythontensorflow
Domaine
machine learningcloudbackend
Type d'issue
Recherche
DifficultéDifficulté estimée pour un nouveau contributeur, de 1 pour un très petit changement à 5 pour un travail expert.
2
Temps estiméFourchette de temps approximative pour investiguer, implémenter, tester et préparer une pull request.
Une demi journée
Statut d'activitéDisponibilité apparente de l'issue : fraîche, active, ancienne, bloquée ou en attente d'un mainteneur.
Active
ClartéClarté avec laquelle l'issue explique le changement attendu, les critères d'acceptation et la prochaine étape.
Plutôt claire
Prérequis
PythonAzure MLTensorFlow
Accessibilité débutantScore de 1 à 100 estimant l'accessibilité de cette issue pour un premier contributeur.
60