推理说明

本 README 说明如何使用 DCNv2，DIN，MMOE和ETA模型进行推理（含 eager / torch.compile 两种模式）。在运行完成后输出。

---

目录

• 1. 数据集处理
  • 1.1 DIN and DCNv2
  • 1.2 MMOE and ETA
• 2. 模型推理
  • 2.1 eager mode（默认）
  • 2.2 启用 torch.compile（可选）
  • 2.3 采集 profile文件（可选）

---

1. 数据集处理

1.1 DIN and DCNv2

DIN 和 DCNv2 的推理数据集来自 CTR_Algorithm 仓库示例数据，该数据集无需手动下载

https://github.com/Prayforhanluo/CTR_Algorithm/tree/main/data

在DIN或DCNv2目录下执行如下命令：

git clone https://github.com/Prayforhanluo/CTR_Algorithm.git

• 数据集目录：CTR_Algorithm/data/data.csv

1.2 MMOE and ETA

进入MMOE或ETA文件夹下，进行如下数据预处理

推理数据集来自 https://tianchi.aliyun.com/dataset/408 Ali-CPP数据集，需做如下处理：

1. 下载数据集，存放至当前目录下alicpp文件夹中
2. 后续流程参考：https://gitee.com/ascend/RecSDK/blob/develop_torch_benchmark/torch_examples_benchmark/model_zoo/README.md

执行完成后数据集会默认生成至aliccp_out目录下。

网络依赖已整理到 requirements.txt，可直接安装：

pip install -r ./requirements.txt

在模型执行时，默认加载数据集路径为: ./aliccp/aliccp_out/；模型脚本同时支持运行时使用如下命令动态指定数据集目录：

python eta.py --data_dir path/to/your/data/

2. 模型推理

进入DCNv2文件夹，直接执行推理脚本dcnv2.py即可

• 注：运行该网络前需要先将patch文件加上，具体方式如下：

  cd DCNv2
  unix2dos dcnv2.patch        #如果在arm机器上需要执行
  git apply dcnv2.patch
  

2.1 eager mode（默认）

python dcnv2.py

2.2 启用 torch.compile（可选）

脚本已支持 --enable_compile 这样的开关，开启方式为：

python dcnv2.py \
--enable_compile

2.3 采集profile文件（可选）

脚本已支持 --enable_profiler 这样的开关，开启方式为：

python dcnv2.py \
  --enable_profiler \
  --profiler_start_step 5 \
  --profiler_end_step 6 \

可以通过 --profiler_start_step 和 --profiler_end_step 分别设置profile开始和结束步数。