为 MLPerf 训练与推理开发推荐基准
机器学习
2020-04-15 v2 性能
机器学习
摘要
基于深度学习的推荐模型被普遍且广泛地使用，例如推荐与用户最相关的电影、产品或其他信息，以提升用户体验。在诸如图像分类、目标检测、语言与语音翻译等已受到产业界与学术界显著研究关注的各种应用领域中，基于深度学习的推荐模型的性能较少被充分探究，尽管推荐任务无疑代表了大规模数据中心集群中显著的 AI 推理周期。为推进理解状态并赋能商业领域机器学习系统的开发与优化，我们旨在为 MLPerf 训练与推理套件定义一个产业相关的推荐基准。本文综合了个性化推荐系统所需的建模范式。我们列出了推荐模型架构与数据集的合意特性。随后我们总结了 MLPerf 推荐咨询委员会的讨论与建议。
引用
@article{arxiv.2003.07336,
title = {Developing a Recommendation Benchmark for MLPerf Training and Inference},
author = {Carole-Jean Wu and Robin Burke and Ed H. Chi and Joseph Konstan and Julian McAuley and Yves Raimond and Hao Zhang},
journal= {arXiv preprint arXiv:2003.07336},
year = {2020}
}