recommenders-team/recommenders

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

Open

#896 aperta il 7 ago 2019

Vedi su GitHub
 (2 commenti) (0 reazioni) (0 assegnatari)Python (2972 fork)batch import
help wanted

Metriche repository

Star
 (17.706 star)
Metriche merge PR
 (Merge medio 6g 16h) (10 PR mergiate in 30 g)

Descrizione

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

Guida contributor

Direzione di ricerca
Il problema richiede indicazioni sulla selezione delle risorse di calcolo Azure ML per un modello RBM con 20.000 utenti e 40.000 elementi. Un contributore dovrebbe prima esaminare l'implementazione RBM nel repository (probabilmente nelle directory 'examples' o 'reco utils') per comprenderne le dimensioni del modello. Quindi, consultare la documentazione di Azure ML sulle SKU di calcolo GPU e i requisiti di memoria. I commenti esistenti (2) potrebbero contenere ulteriori contesti. L'obiettivo è fornire raccomandazioni concrete basate sul numero di utenti/elementi, come suggerire una specifica dimensione di VM o condividere una formula per la stima della memoria.
Tech stack
pythontensorflow
Dominio
machine learningcloudbackend
Tipo issue
Ricerca
DifficoltàQuanto dovrebbe essere impegnativa per un nuovo contributor.
2
Tempo stimatoTempo stimato per completare e verificare uno scope piccolo.
Mezza giornata
Stato attivitàQuanto è probabile che la issue sia ancora attiva e reviewable.
Attiva
ChiarezzaQuanto chiaramente la issue descrive problema, scope e risultato atteso.
Abbastanza chiara
Prerequisiti
PythonAzure MLTensorFlow
Adatta ai principiantiQuanto la issue è adatta a contributor alla prima esperienza.
60