Torch-RecHub 推荐系统实战教程

本目录位于 contrib/tutorials/torch-rechub，收录基于 Torch-RecHub 推荐系统教程整理的 NPU 实战 notebook，覆盖 CTR 精排、序列兴趣建模、召回、多任务学习、实验跟踪、模型导出与推理验证等常见推荐系统链路。

源教程地址：Torch-RecHub tutorials

迁移说明

适配的源仓库为 datawhalechina/torch-rechub。本目录中的 notebook 保持源教程的代码组织和运行逻辑，仅做以下适配：

• 将教程纳入 cann-learning-hub 的外部贡献教程目录：contrib/tutorials/torch-rechub。
• 在 notebook 开头补充迁移说明，标明源教程地址和当前目录位置。
• 将原 notebook 中的 attachment 图片改为仓库内相对路径图片，图片文件统一放在 images/ 目录，便于在代码托管平台和本地 Markdown 预览中显示。
• 新增本 README，汇总教程列表、运行依赖和迁移说明。

目录说明

contrib/tutorials/torch-rechub
├── images/
│   ├── deepFM.png
│   ├── DIN.png
│   ├── DSSM.png
│   └── MMoE.png
├── 00_QuickStart_CTR_DeepFM.ipynb
├── 01_Ranking_DIN.ipynb
├── 02_Matching_DSSM.ipynb
├── 03_MultiTask_MMOE.ipynb
├── 04_Experiment_Tracking_Light.ipynb
├── 05_Model_Export_and_Serving.ipynb
└── README.md

Notebook 列表

序号	Notebook	内容简介	Link	状态
00	QuickStart：CTR 预测（DeepFM）	跑通 DataFrame -> Feature -> DataGenerator -> DeepFM -> CTRTrainer -> AUC 的完整 CTR 训练链路	在线体验	已迁移
01	序列兴趣建模：DIN	使用 Amazon-Electronics 样例数据理解历史行为序列、SequenceFeature 与 DIN attention	在线体验	已迁移
02	匹配/召回：DSSM + Annoy	基于 MovieLens-1M 样例数据跑通双塔召回与向量 Top-K 检索	在线体验	已迁移
03	多任务学习：MMOE	使用 Ali-CCP 样例数据演示多目标建模、expert、gate 与 tower	在线体验	已迁移
04	实验跟踪：model_logger	演示 WandB / SwanLab / TensorBoardX 等轻量实验跟踪接入方式	在线体验	已迁移
05	模型导出与推理验证：ONNX	演示 DeepFM 与 DSSM 的 ONNX 导出、ONNXRuntime 推理验证和量化入口	在线体验	已迁移

环境要求

• Python 3.10+
• PyTorch 与 torch_npu
• torch-rechub
• notebook 中涉及的可选依赖，例如 onnxruntime、wandb、swanlab、tensorboardX、annoy

运行前请参考源仓库的安装和数据准备说明：Torch-RecHub。