NVIDIA 、 Facebook 和 TensorFlow 推薦者團隊將舉辦一次有現場問答的峰會，探討如何開發和優化深度學習推薦系統的最佳實踐和見解。
開發和優化深度學習推薦系統
7 月 29 日星期四上午 10 點
通過參加本次深度學習推薦者峰會，您將聽到來自 NVIDIA 、 Facebook 和 TensorFlow 的 ML 工程師和數據科學家們關于構建和優化高效 DL 推薦者系統的最佳實踐、經驗和見解。
課程包括：
Facebook 高性能推薦模型培訓
在本次演講中，我們將首先分析模型架構如何影響 GPU 的性能和效率，并介紹我們為提高 GPU 的利用率而采用的性能優化技術，包括基于 PyTorch 的優化訓練堆棧，支持模型和數據并行，高性能 GPU 操作符，高效的嵌入表分片、內存層次結構和流水線。
RecSys2021 挑戰：使用深度學習推薦系統預測用戶參與度
由 Kaggle Grandmaster 和 Merlin NVIDIA 合作的 NVIDIA 團隊贏得了 RecSys2021 挑戰賽。它由推特主持，推特提供了近 10 億推特用戶對作為數據集。團隊將展示他們的成功解決方案，重點是深入學習體系結構以及如何優化它們。
在 GPU 上重溫推薦系統
一個更快的 ETL 、培訓和推理的新時代正在進入 RecSys 領域，本次演講將介紹一些優化模式，這些模式指導我們正在構建的工具，使推薦者更快、更易于在 GPU 上使用。
TensorFlow 推薦人
TensorFlow Recommenders 是一個端到端的推薦系統模型庫：從檢索、排名到發布排名。在這篇演講中，我們描述了如何使用 TensorFlow 推薦程序來適應和安全地部署復雜的大規模推薦系統。
