Facebook 开源深度学习推荐模型 DLRM

Facebook 宣布推出深度学习推荐模型（DLRM）的开源版本，这是一种***进的个性化推荐 AI 模型，并且可用于生产环境中。该模型的实现可用于 Facebook 的 PyTorch、Facebook 的分布式学习框架 Caffe2 和 Glow C++。

推荐引擎在很大程度上决定着人们每天看到的内容，无论是 Facebook 等社交媒体网站、亚马逊等电子商务网站的内容，还是在 Xbox 首页的推荐游戏。就在上个月，亚马逊也将 AI 应用于 AWS 上的个性化购物推荐系统。

5 月底，20 多位 Facebook AI 研究人员在 arXiv 上发表了一篇论文，解释了 DLRM 模型如何使用映射分类数据的嵌入表进行表达，其中大部分计算由预测函数多层感知器（MLP）执行。论文详细介绍了 DLRM 模型，并与现有推荐模型进行比较，以充分展示其特性。

Facebook 人工智能研究（FAIR）已经将其大量工作开源，免费提供 DLRM 可以帮助更广泛的 AI 社区解决推荐引擎带来的挑战，比如利用神经网络将分类数据与某些更高级别的属性相关联。

DLRM 的制造商建议用该模型对推荐引擎的速度和准确性性能进行基准测试。用于实验和性能评估的 DLRM 基准测试是用 Python 编写的，支持随机和合成输入。

Facebook 研究科学家 Dheevatsa Mudigere 和 Maxim Naumov 在一篇博客文章中表示，将在未来公开分享优化 DLRM 系统的性能结果。

最近几周由 Facebook 开源的其他 AI 模型或框架还包括 PyRobot，与 PyTorch 一起工作的机器人框架；以及 PyTorch Hub，一个工作流程和 API，旨在鼓励 AI 模型的再现性。还有 Ax 和 BoTorch，用于机器学习实验和贝叶斯模型优化的工具，于 5 月与 PyTorch 1.1 一起推出。

Facebook 的推荐工具在过去一直存在争议。去年，Keras 深度学习图书馆创建者 FrançoisChollet 在一篇帖子中称，“有良心的 AI 研究人员不应该在 Facebook 工作”，他提倡“不要使用 AI 作为操纵用户的工具；相反，将 AI 作为工具提供给用户，让他们拥有更多的自主权。”