滑块模型（SLIDE）源代码

SLIDE 包含了本文主要实验的源代码，您可以通过以下论文进行查阅。

若需获取针对 CPU 优化的代码（包含 AVX、BFloat 以及其他内存优化技术），请参考较新论文的此链接。

数据集

数据集可以从Amazon-670K下载。请注意数据集是按标签排序的，因此在使用前请至少将验证/测试数据打乱。

TensorFlow 基线模型

我们建议直接获取 TensorFlow 的 docker 镜像来安装 TensorFlow-GPU。 对于使用了 AVX2 编译的 TensorFlow-CPU，我们推荐使用这个预编译的版本。

此外，还有一个专门为 CPU 构建的 TensorFlow docker 镜像，该镜像支持 AVX-512 指令集，要获取它，请使用以下命令：

docker pull clearlinux/stacks-dlrs_2-mkl    

config.py 负责管理 TensorFlow 训练的参数，例如“学习率”。example_full_softmax.py 与 example_sampled_softmax.py 是针对“Amazon-670K”数据集的示例文件，分别使用完整 softmax 和采样 softmax 方法。

执行

python python_examples/example_full_softmax.py
python python_examples/example_sampled_softmax.py

运行 SLIDE

依赖

• CMake 版本 v3.0 或以上
• 符合 C++11 标准的编译器
• Linux 系统：Ubuntu 16.04 及更高版本
• 必须启用透明大页（Transparent Huge Pages）。
  • SLIDE 需要大约 900 个 2MB 页面，以及 10 个 1GB 页面：(操作指南)

注意事项：

• 为了简化操作，请使用我们的 Docker 镜像，其中已安装所有环境。如需在不设置大页的情况下复现实验，请下载 Amazon-670K，并将其放置在路径 /home/code/HashingDeepLearning/dataset/Amazon 下。

• 请注意，仅 Skylake 或更新架构的处理器支持大页。对于较老的 Haswell 处理器，我们需要从 Makefile 文件的 OPT_FLAGS 行中移除 -mavx512f 标志。您还可以回退到提交 2d10d46b5f6f1eda5d19f27038a596446fc17cee，以忽略大页优化并继续使用 SLIDE（这可能会导致性能降低 30%）。

• 此版本会构建所有依赖项（目前为 ZLIB 和 CNPY）。

命令

适当更改 ./SLIDE/Config_amz.csv 中的路径。

git clone https://github.com/sarthakpati/HashingDeepLearning.git
cd HashingDeepLearning
mkdir bin
cd bin
cmake ..
make
./runme ../SLIDE/Config_amz.csv

当然，我将按照您的要求提供翻译。不过，您似乎忘记提供需要翻译的文本。请提供原文，我将会把它翻译成中文，保持 Markdown 格式，并确保翻译的通俗性、专业性、优雅性和流畅性。