RecBole推荐系统镜像上线：来算网GPU云端学习推荐系统算法

RecBole 是一个基于 PyTorch 实现的，面向研究者的，易于开发与复现的，统一、全面、高效的推荐系统代码库。 实现了94个推荐系统模型，包含常见的推荐系统类别。如：General Recommendation，Sequential Recommendation，Context-aware Recommendation，Knowledge-based Recommendation。

RecBole 约定了一个统一、易用的数据文件格式，并已支持 44 个 benchmark dataset。

用户可以选择使用我们的数据集预处理脚本，或直接下载已被处理好的数据集文件。

RecBole 总体架构

RecBole 有以下特色：

通用和可扩展的数据结构：设计了通用和可扩展的数据结构来支持各种推荐数据集统一化格式和使用。

全面的基准模型和数据集：实现了94个常用的推荐算法，并提供了44个推荐数据集的格式化副本。

高效的 GPU 加速实现：针对GPU环境使用了一系列的优化技术来提升代码库的效率。

大规模的标准评测：支持一系列被广泛认可的评估方式来测试和比较不同的推荐算法。

算网GPU平台上线了 RecBole 镜像，想学习推荐系统算法，可以来云端部署一个。

首先打开官网：https://sumw.com.cn/，立即体验。

输入手机号，接收验证码登录。

进入算力市场选择GPU。

下拉找到镜像，社区镜像，点击选择 RecBole-MLU 镜像，选择版本，确认租用。

等待启动。

点击 jupyterlab 登录。

登录后界面是这样的。

然后按下列步骤完成即可体验。

1，解压源码包

2，配置加速源（极度重要）

国内服务器请务必开启阿里源，否则下载推荐系统巨大的依赖库会卡死：

3，安装依赖（避坑预警）

绝对不要直接

pip install -r requirements.txt

这会导致自动下载官方版的 Torch 并覆盖掉你珍贵的寒武纪 torch_mlu。请严格执行以下步骤：

4，运行测试 (One-Line Run)

所有底层接口已由本项目接管。请注意：命令行中的 --use_gpu=True 必须保留，底层会自动将其映射为 MLU 算力卡计算。

如果在控制台看到巨大的 RecBole 字符 Logo，且进度条飞速滚动，恭喜你，MLU 已全速运转！