diff --git a/doc/CUBE_LOCAL_CN.md b/doc/CUBE_LOCAL_CN.md index ff8d3262f4e7022938b7ce3ae1afb0da211273c0..aea77b63d39e33bba452a144ef887634bc2b8bf5 100644 --- a/doc/CUBE_LOCAL_CN.md +++ b/doc/CUBE_LOCAL_CN.md @@ -1,5 +1,7 @@ # 单机版稀疏参数服务器Cube +([简体中文](./CUBE_LOCAL.md)|English) + ## 引言 在python/examples下有两个关于CTR的示例,他们分别是criteo_ctr, criteo_ctr_with_cube。前者是在训练时保存整个模型,包括稀疏参数。后者是将稀疏参数裁剪出来,保存成两个部分,一个是稀疏参数,另一个是稠密参数。由于在工业级的场景中,稀疏参数的规模非常大,达到10^9数量级。因此在一台机器上启动大规模稀疏参数预测是不实际的,因此我们引入百度多年来在稀疏参数服务器上的工业级产品Cube,提供分布式的稀疏参数服务。