recommenders-team/recommenders

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

Open

#896 aberto em 7 de ago. de 2019

Ver no GitHub
 (2 comments) (0 reactions) (0 assignees)Python (2.972 forks)batch import
help wanted

Métricas do repositório

Stars
 (17.706 stars)
Métricas de merge de PR
 (Mesclagem média 6d 16h) (10 fundiu PRs em 30d)

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

Guia do colaborador

Direção de pesquisa
A questão solicita orientação sobre a seleção de recursos de computação do Azure ML para um modelo RBM com 20 mil usuários e 40 mil itens. Um contribuidor deve primeiro revisar a implementação do RBM no repositório (provavelmente nos diretórios 'examples' ou 'reco utils') para entender o tamanho do modelo. Em seguida, consultar a documentação do Azure ML sobre SKUs de computação GPU e requisitos de memória. Os comentários existentes (2) podem conter contexto adicional. O objetivo é fornecer recomendações concretas com base na contagem de usuários/itens, como sugerir um tamanho específico de VM ou compartilhar uma fórmula para estimativa de memória.
Pilha de tecnologia
pythontensorflow
Domain
machine learningcloudbackend
Tipo Issue
Pesquisa
DifficultyDificuldade de implementação estimada para um novo contribuidor, de 1 para alterações muito pequenas a 5 para trabalho de nível especializado.
2
Tempo estimadoUm intervalo de tempo aproximado para um colaborador experiente investigar, implementar, testar e preparar um pull request.
Meio dia
Status da atividadeQuão disponível o issue aparece agora: novo, ativo, obsoleto, bloqueado ou aguardando entrada do mantenedor.
Ativo
ClarityCom que clareza o issue explica a mudança esperada, os critérios de aceitação e a próxima etapa.
Principalmente claro
Prerequisites
PythonAzure MLTensorFlow
Simpatia para novatosUma pontuação de 1 a 100 que estima o quão acessível este issue é para colaboradores iniciantes.
60