Skip to content
体验新版
项目
组织
正在加载...
登录
切换导航
打开侧边栏
BaiXuePrincess
PaddleRec
提交
591b48aa
P
PaddleRec
项目概览
BaiXuePrincess
/
PaddleRec
与 Fork 源项目一致
Fork自
PaddlePaddle / PaddleRec
通知
1
Star
0
Fork
0
代码
文件
提交
分支
Tags
贡献者
分支图
Diff
Issue
0
列表
看板
标记
里程碑
合并请求
0
Wiki
0
Wiki
分析
仓库
DevOps
项目成员
Pages
P
PaddleRec
项目概览
项目概览
详情
发布
仓库
仓库
文件
提交
分支
标签
贡献者
分支图
比较
Issue
0
Issue
0
列表
看板
标记
里程碑
合并请求
0
合并请求
0
Pages
分析
分析
仓库分析
DevOps
Wiki
0
Wiki
成员
成员
收起侧边栏
关闭侧边栏
动态
分支图
创建新Issue
提交
Issue看板
提交
591b48aa
编写于
5月 02, 2020
作者:
C
chengmo
浏览文件
操作
浏览文件
下载
电子邮件补丁
差异文件
update readme
上级
2fed2cdf
变更
3
隐藏空白更改
内联
并排
Showing
3 changed file
with
78 addition
and
66 deletion
+78
-66
doc/imgs/coding-gif.png
doc/imgs/coding-gif.png
+0
-0
doc/imgs/logo.png
doc/imgs/logo.png
+0
-0
readme.md
readme.md
+78
-66
未找到文件。
doc/imgs/coding-gif.png
0 → 100644
浏览文件 @
591b48aa
261.9 KB
doc/imgs/logo.png
0 → 100644
浏览文件 @
591b48aa
304.1 KB
readme.md
浏览文件 @
591b48aa
# 快速开始
<p
align=
"center"
>
<img
align=
"center"
src=
"doc/imgs/logo.png"
>
## 环境准备
<p>
Fleet-Rec是基于飞桨分布式训练所开发的,包含模型、训练模式的快速开发、调试、部署的工具, 让用户更轻松的使用飞桨分布式训练。
[

](LICENSE)
-
安装方法一
<PIP源直接安装>
:
[

](https://github.com/PaddlePaddle/PaddleRec/releases)
```
bash

python
-m
pip
install
fleet-rec

```
`PaddleRec`
是源于飞桨生态的
`搜索推荐模型`
一站式开箱即用工具,无论您是初学者,开发者,研究者均可便捷的使用
`PaddleRec`
完成调研,训练到预测部署的全流程工作。
`PaddleRec`
提供了搜索推荐任务中语义理解、召回、粗排、精排、多任务学习的全流程解决方案。
-
安装方法二
`PadlleRec`
以预置模型为核心,具备以下特点:
*
安装飞桨
**注:需要用户安装最新版本的飞桨<当前只支持Linux系统>。**
> 占位链接,分文档描述
-
[
易于上手,开箱即用
](
https://www.paddlepaddle.org.cn
)
```
bash
-
[
灵活配置,个性调参
](
https://www.paddlepaddle.org.cn
)
python
-m
pip
install
paddlepaddle
-i
https://mirror.baidu.com/pypi/simple
-
[
分布式训练,大规模稀疏
](
https://www.paddlepaddle.org.cn
)
```
-
[
快速部署,一键上线
](
https://www.paddlepaddle.org.cn
)
*
源码安装Fleet-Rec
<p
align=
"center"
>
<img
align=
"center"
src=
"doc/imgs/coding-gif.png"
>
```
<p>
git clone https://github.com/seiriosPlus/FleetRec/
cd FleetRec
# 目录
python setup.py install
*
[
特性
](
#特性
)
```
*
[
易于上手,开箱即用
](
#易于上手开箱即用
)
*
[
灵活配置,个性调参
](
#灵活配置个性调参
)
*
[
分布式训练,大规模稀疏
](
#分布式训练大规模稀疏
)
## ctr-dnn示例使用
*
[
快速部署,一键上线
](
#快速部署一键上线
)
目前框架内置了多个模型,简单的命令即可使用内置模型开始单机训练和本地1
*
1模拟训练
*
[
支持模型列表
](
#支持模型列表
)
*
[
文档教程
](
#文档教程
)
*
[
入门教程
](
#入门教程
)
*
[
环境要求
](
#环境要求
)
*
[
安装命令
](
#安装命令
)
*
[
快速开始
](
#快速开始
)
*
[
常见问题FAQ
](
#常见问题faq
)
*
[
进阶教程
](
#进阶教程
)
*
[
自定义数据集及Reader
](
#自定义数据集及reader
)
*
[
模型调参
](
#模型调参
)
*
[
单机训练
](
#单机训练
)
*
[
分布式训练
](
#分布式训练
)
*
[
预测部署
](
#预测部署
)
*
[
版本历史
](
#版本历史
)
*
[
版本更新
](
#版本更新
)
*
[
Benchamrk
](
#benchamrk
)
*
[
许可证书
](
#许可证书
)
*
[
如何贡献代码
](
#如何贡献代码
)
*
[
优化PaddleRec框架
](
#优化paddlerec框架
)
*
[
新增模型到PaddleRec
](
#新增模型到paddlerec
)
# 特性
## 易于上手,开箱即用
## 灵活配置,个性调参
## 分布式训练,大规模稀疏
## 快速部署,一键上线
# 支持模型列表
# 文档教程
## 入门教程
### 环境要求
### 安装命令
### 快速开始
### 常见问题FAQ
## 进阶教程
### 自定义数据集及Reader
### 模型调参
### 单机训练
### 单机训练
```
bash
### 分布式训练
cd
FleetRec
### 预测部署
python
-m
fleetrec.run
\
-m
fleetrec.models.rank.dnn
\
-d
cpu
\
-e
single
# 使用GPU资源进行训练
python
-m
fleetrec.run
\
-m
fleetrec.models.rank.dnn
\
-d
gpu
\
-e
single
```
### 本地模拟分布式训练
```
bash
cd
FleetRec
# 使用CPU资源进行训练
python
-m
fleetrec.run
\
-m
fleetrec.models.rank.dnn
\
-d
cpu
\
-e
local_cluster
```
### 集群提交分布式训练<需要用户预先配置好集群环境,本提交命令不包含提交客户端>
```
bash
cd
FleetRec
python
-m
fleetrec.run
\
# 版本历史
-m
fleetrec.models.rank.dnn
\
## 版本更新
-d
cpu
\
## Benchamrk
-e
cluster
```
# 许可证书
更多用户文档及二次开发文档,敬请期待。
# 如何贡献代码
\ No newline at end of file
## 优化PaddleRec框架
## 新增模型到PaddleRec
编辑
预览
Markdown
is supported
0%
请重试
或
添加新附件
.
添加附件
取消
You are about to add
0
people
to the discussion. Proceed with caution.
先完成此消息的编辑!
取消
想要评论请
注册
或
登录