Dies ist die Linux-App namens TensorFlow Ranking, deren neueste Version als TensorFlowRankingv0.5.2.zip heruntergeladen werden kann. Es kann online im kostenlosen Hosting-Anbieter OnWorks für Workstations betrieben werden.
Laden Sie diese App mit dem Namen TensorFlow Ranking with OnWorks kostenlos herunter und führen Sie sie online aus.
Befolgen Sie diese Anweisungen, um diese App auszuführen:
- 1. Diese Anwendung auf Ihren PC heruntergeladen.
- 2. Geben Sie in unserem Dateimanager https://www.onworks.net/myfiles.php?username=XXXXX den gewünschten Benutzernamen ein.
- 3. Laden Sie diese Anwendung in einem solchen Dateimanager hoch.
- 4. Starten Sie den OnWorks Linux-Online- oder Windows-Online-Emulator oder den MACOS-Online-Emulator von dieser Website.
- 5. Rufen Sie vom gerade gestarteten OnWorks Linux-Betriebssystem aus unseren Dateimanager https://www.onworks.net/myfiles.php?username=XXXXX mit dem gewünschten Benutzernamen auf.
- 6. Laden Sie die Anwendung herunter, installieren Sie sie und führen Sie sie aus.
SCREENSHOTS
Ad
TensorFlow-Ranking
BESCHREIBUNG
TensorFlow Ranking ist eine Bibliothek für Learning-to-Rank (LTR)-Techniken auf der TensorFlow-Plattform. Häufig verwendete Verlustfunktionen, einschließlich punktweiser, paarweiser und listenweiser Verluste. Häufig verwendete Ranking-Metriken wie Mean Reciprocal Rank (MRR) und Normalized Discounted Cumulative Gain (NDCG). Bewertungsfunktionen für mehrere Elemente (auch als gruppenweise bezeichnet). LambdaLoss-Implementierung für die Optimierung der direkten Ranking-Metrik. Unvoreingenommenes Learning-to-Rank aus voreingenommenen Feedback-Daten. Wir stellen uns vor, dass diese Bibliothek eine praktische offene Plattform für das Hosting und die Weiterentwicklung hochmoderner Ranking-Modelle basierend auf Deep-Learning-Techniken bietet und somit sowohl die akademische Forschung als auch industrielle Anwendungen erleichtert. Wir stellen eine Demo zur Verfügung, ohne dass eine Installation erforderlich ist, um mit der Verwendung von TF-Ranking zu beginnen. Diese Demo wird auf einem kollaborativen Notebook, einer interaktiven Python-Umgebung, ausgeführt. Verwendung von Sparse-Features und Einbettungen in TF-Ranking.
Eigenschaften
- Verwenden Sie Sparse-/Einbettungsfunktionen
- Daten im TFRecord-Format verarbeiten
- Tensorboard-Integration in Colab-Notebook für Estimator-API
- Erstellen Sie ein lokales TensorFlow-Ranking
- Zur Erleichterung des Experimentierens stellen wir auch ein TFRecord-Beispiel und ein LIBSVM-Beispiel bereit
- Die Trainingsergebnisse wie Verlust und Metriken können mit Tensorboard visualisiert werden
Programmiersprache
Python
Kategorien
Dies ist eine Anwendung, die auch von https://sourceforge.net/projects/tensorflow-ranking.mirror/ abgerufen werden kann. Es wurde in OnWorks gehostet, damit es auf einfachste Weise online von einem unserer kostenlosen Betriebssysteme ausgeführt werden kann.
