简介
功能介绍
Rec SDK TensorFlow的功能涉及：
- 模型训练基础功能。支持单机单卡训练、单机多卡分布式训练，支持基于TensorFlow开发模型。
- 推荐场景特有功能。基于Rec SDK TensorFlow的稀疏表方案，Rec SDK TensorFlow提供必备功能，如特征保存和加载、特征准入、特征淘汰等。
Rec SDK TensorFlow为用户提供了稀疏表创建、稀疏表查询、保存与加载、特征准入与淘汰等功能特性，用户可以在适配模型中加入想要使用的功能特性。
-
稀疏表创建
Rec SDK Tensorflow训练框架支持稀疏表创建功能，可通过稀疏表创建接口查看功能和使用实例。
-
稀疏表查询
Rec SDK Tensorflow训练框架支持稀疏表查询功能，可通过稀疏表查询接口查看功能和使用实例。
-
保存与加载
深度学习中的保存与加载是将训练好的模型参数持久化存储，并在需要时恢复使用的过程。保存通常包含模型架构、权重和优化器状态，加载则恢复模型到可用状态，实现训练中断续训或部署推理。
Rec SDK Tensorflow训练框架支持稀疏表保存与加载功能，可通过保存与加载接口查看功能和使用实例。
-
特征准入与淘汰
当某些特征的频率过低时，对模型的训练效果不会有帮助，还会造成内存浪费以及过拟合的问题。因此需要特征准入功能来过滤掉频率过低的特征。 对于一些对训练没有帮助的特征，需要将其淘汰以免影响训练效果，同时也能节约内存。Rec SDK TensorFlow中支持特征准入与淘汰功能，可通过特征准入与淘汰接口中的
min_used_times和max_cold_secs参数查看说明。
软件架构
Rec SDK TensorFlow基于推荐场景主流框架、CANN和各种硬件和网络，对于搜索、推荐、广告模型训练的应用场景需求，提供极简易用、高性能API，助力昇腾AI处理器完成搜索、推荐、广告等模型的高效训练。
表 1 结构图模块介绍
| Rec SDK TensorFlow模块 | 说明 |
|---|---|
| 接口层 | 易用性接口，简化用户接入成本，支撑用户规模化上量。 |
| 推荐功能层 | 必备核心功能，满足用户使用的要求。 |
| 推荐加速层 | 性能竞争力核心组件，为整机系统方案提供更优性能。 |
| 稀疏存储层 | 支持超10TB大规模稀疏表存储。 |
支持的硬件和操作系统
表 2 支持的产品列表
| 产品型号 | 产品架构 | 操作系统版本 |
|---|---|---|
| Atlas 800T A2 训练服务器 Atlas 200T A2 Box16 异构子框 |
||
| Atlas 900 A3 SuperPoD 超节点 | ARM | OpenEuler版本：22.03 |