Part-02-以Pytorch實現(xiàn)AI推薦模型-ok8

AI推薦模型&耐能EdgeAI開發(fā)AI推薦模型11ta人們眼花撩亂，因而您需要一項懂您的工具，例如一個陌生地方時，它就為您規(guī)劃一條好路綫，這種?推薦系統(tǒng)是一種資訊過濾系統(tǒng)，在海量的資訊之中的高價值訊息。?也就是，它不需要您提出明確的需求，會根據(jù)您的好，以便向您薦一些您很有可能喜歡的物品。?茲以電商購物為例，如果能找到一群與您相似的?例如，下圖裡的客戶A和客戶B是鄰居(具有高相似度)：?然後，把客戶A喜歡的葡萄和西瓜推薦給客戶B。由于的，所以稱為：協(xié)同CF)。如果針對一位用戶，而能找到更多相似的鄰居，這種CF能夠提供給他更準(zhǔn)確度的估算和推薦。(.csv檔)：?以陣列(Matrix)形式呈現(xiàn)於Excel畫面上：?訓(xùn)練AI模型，並進行預(yù)測：?請您按下<CF>按鈕，就會利用UserCF算法(規(guī)則)找出各位客戶的鄰居，然後預(yù)測沒有涉及的物品的潛在評歡迎加入<AI設(shè)計IC晶(片)>22rToolchainrrToolchainrToolchain?在這個步驟裡，會使用到Pytorch建模框架。?請在您的Python開發(fā)環(huán)境裡，使用PIP命令進行pip3install/whl/cpu/torchion?就可以輕鬆地安裝好Pytorch了。?現(xiàn)在，就來著手規(guī)劃(設(shè)計)一個AI推薦模型。?它是基于一個AE(Autoencoder)模型：XHHYX輸入層隱藏層輸出層torchKTC01_01_model.pyXYXYWW&BW&By1y1 kW&BW&By1y1 kW&BW&B kW&BW&By1my1y1 kW&BW&B此程序輸出(預(yù)測評比)：ToolchainrToolchainr?輸出*.onnx檔案33?在上一小節(jié)裡，已經(jīng)使用Pytorch建立一個CF推薦的AI模型了。並且匯出為aicf.onnx模型檔案。?接下來，就繼續(xù)對這個模型，來進行優(yōu)化，然後輸出耐能(Kneron)的標(biāo)準(zhǔn)ONNX檔案。於此，將它取名為：?將模型優(yōu)化，然後輸出標(biāo)準(zhǔn)ONNX檔案?在這個步驟，需要使用到耐能公司提供的Toolchain件：?若需要，可來信索取?在這份文件裡，有詳細(xì)的範(fàn)例指引您快速安裝將上述的aicf.onnx模型進行優(yōu)化動作了。?只要依循這份文件裡的範(fàn)例：?就會看到2支已經(jīng)寫好的小程式：2、Owl777_convert.py?就可以把它們複用(Reuse)過來。?於是，把它們複製到c/Users/misoo/ox/目裡：?其中的StartDocker.bat是一個Windows的批?其內(nèi)容為：?它是用來快速(便捷)啟動Docker容器。?您不需要去更改它，待會兒直接使用即可。?接下來，需要來修改Owl777_convert.py程式碼。?請開啟(可使用Widows記事本或PythonShell)其中的Owl777_convet.py程式檔。如下：?然後，只要更改上圖的紅色框框裡的’檔案下：?最後，把它存檔。也可以更改檔名。rtpy快捷啟動Docker容器sersmisooox<優(yōu)化>過程，並輸出結(jié)果?剛才已經(jīng)寫完了aicf_convert.py程式。並且放置於x<優(yōu)化>過程，並輸出結(jié)果rsmisoooxpace使用下述的命令：展開<優(yōu)化>過程，並輸出結(jié)果?於是，就把這支App複製到/data1/目錄區(qū)裡了。<優(yōu)化>過程，並輸出結(jié)果?於是，展開<優(yōu)化>過程，如下畫面： 標(biāo)準(zhǔn)onnx檔案/e(下一小節(jié)會用到)<優(yōu)化>過程，並輸出結(jié)果並且放置於c:/Users/misoo/ox/目錄區(qū)裡。?如下：?將模型優(yōu)化，然後輸出標(biāo)準(zhǔn)ONNX檔案<優(yōu)化>過程，並輸出結(jié)果推論引擎44?將模型優(yōu)化，然後輸出標(biāo)準(zhǔn)ONNX檔案App引導(dǎo)推論?在本小節(jié)裡，將基於上一節(jié)已經(jīng)優(yōu)化的*.onnx進行App引導(dǎo)推論App引導(dǎo)推論App引導(dǎo)推論c:/Users/misoo/ox/目錄區(qū)裡，如下：--使用onnxruntime?現(xiàn)在，重新開啟Docker容器。?