原书出处
深度学习推荐系统
06 第6章 深度学习推荐系统的工程实现
化或者简化模型的结构大幅提升模型训练的速度,降低模型训练的消耗,提升推荐模型的实时性呢?典型的案例在5.3节中已经提到。
在深度学习模型中,模型的整体训练收敛速度和模型的参数数量有很强的相关性,而模型的参数数量中输入层到Embedding层的数量占绝大部分。因此,为了大幅加快模型的训练速度,可以将Embedding部分单独抽取出来做预训练,这样可以做到上层模型的快速收敛。
当然,这样的做法舍弃了End2End训练的一致性,但在硬件条件制约的情况下,增强模型实时性的收益可能远大于End2End
原书定位详情
来源:a19c7933-4eda-4176-aebd-30fe7e1ad292
正文位置:extracted/深度学习推荐系统/_epub-src/text/part0010_split_006.html
EPUB SHA-256:2cd732704a51828ea5c0ec7decb8861b35f44e5e16d9af11fbc68f7084f63382