torch-rechub은(는) 무료로 사용할 수 있나요? 라이선스는 무엇인가요?

torch-rechub은(는) MIT 라이선스의 오픈소스입니다. 상업용 제품에 사용하기 전에 라이선스 조건을 확인하세요.

torch-rechub은(는) 아직 유지보수되고 있나요?

활발히 유지보수 중. torch-rechub의 마지막 커밋은 2026년 10월 22일입니다.

torch-rechub은(는) 어디에 사용할 수 있나요?

Criteo 또는 Avazu 같은 데이터셋으로 CTR 예측 모델을 프로토타이핑합니다. 투타워 검색 모델을 구축하고 사용자 타워와 아이템 타워를 각각 내보냅니다. 클릭과 전환처럼 여러 목표를 함께 최적화하는 멀티태스크 랭킹 모델을 학습합니다. HSTU, HLLM 같은 LLM 기반 또는 생성형 추천 방법을 실험합니다.

torch-rechub는 어떻게 설치하나요?

pip으로 PyTorch와 패키지를 설치합니다: pip install torch && pip install torch-rechub 저장소를 클론합니다: git clone https://github.com/datawhalechina/torch-rechub.git uv로 종속성을 설치합니다: uv sync 해당 폴더에서 DSSM 매칭 예제를 실행합니다: cd examples/matching && python run_ml_dssm.py

torch-rechub은(는) 어디서 받을 수 있나요?

소스 코드와 설치 방법은 GitHub에 있습니다: https://github.com/datawhalechina/torch-rechub

datawhalechina/torch-rechub

추천 모델 구축을 위한 PyTorch 프레임워크로, 30개 이상의 랭킹·매칭·멀티태스크·생성형 모델을 기본 제공하고 ONNX 내보내기를 지원합니다.

GitHub에서 보기 웹사이트

스타: 1,233
포크: 158
열린 이슈: 4
마지막 커밋: 8시간 전

어떤 프로젝트인가요?

Torch-RecHub는 추천 시스템 구축을 위한 PyTorch 기반 프레임워크입니다. DeepFM과 DCN 같은 CTR 랭킹 모델, DSSM과 SASRec 같은 투타워 및 시퀀스 매칭 모델, MMoE와 PLE 같은 멀티태스크 모델, HSTU와 TIGER 같은 생성형 추천 모델을 포함해 고전적인 모델부터 최신 모델까지 폭넓은 라이브러리를 제공합니다. 각 모델은 CTR, 매칭, 멀티태스크 설정에 맞춰 공통 트레이너로 학습하며, 데이터 로딩과 평가 워크플로도 통합되어 있습니다.

이 프레임워크는 모듈식으로 설계되어 있어 파이프라인을 다시 작성하지 않고도 새로운 모델, 데이터셋, 메트릭을 추가할 수 있습니다. 학습된 모델은 배포를 위해 ONNX로 내보낼 수 있습니다. CPU, NVIDIA CUDA, AMD ROCm, Huawei Ascend NPU에서 실행되며, Annoy, FAISS, Milvus 벡터 검색, PyArrow를 통한 PySpark 호환 데이터 처리, WandB, SwanLab, TensorBoardX 실험 추적 기능을 선택적으로 추가할 수 있습니다.

핵심 기능

0130개 이상의 랭킹·매칭·멀티태스크·생성형 추천 모델을 구현합니다.
02CTR, 매칭, 멀티태스크 학습을 위한 통합 트레이너와 데이터 로더를 제공합니다.
03학습한 모델을 프로덕션 배포용 ONNX로 내보냅니다.
04CPU, NVIDIA GPU, AMD ROCm, Huawei Ascend NPU에서 실행됩니다.
05실험 추적을 위해 WandB, SwanLab, TensorBoardX와 연동합니다.
06벡터 검색을 위해 FAISS, Annoy, Milvus 지원을 선택적으로 추가할 수 있습니다.

활용 사례

Criteo 또는 Avazu 같은 데이터셋으로 CTR 예측 모델을 프로토타이핑합니다.
투타워 검색 모델을 구축하고 사용자 타워와 아이템 타워를 각각 내보냅니다.
클릭과 전환처럼 여러 목표를 함께 최적화하는 멀티태스크 랭킹 모델을 학습합니다.
HSTU, HLLM 같은 LLM 기반 또는 생성형 추천 방법을 실험합니다.

빠른 시작

1
pip으로 PyTorch와 패키지를 설치합니다
pip install torch && pip install torch-rechub
2
저장소를 클론합니다
git clone https://github.com/datawhalechina/torch-rechub.git
3
uv로 종속성을 설치합니다
uv sync
4
해당 폴더에서 DSSM 매칭 예제를 실행합니다
cd examples/matching && python run_ml_dssm.py

사용 전 알아둘 점

하드웨어, 드라이버 및 런타임에 맞는 PyTorch 빌드가 필요하므로 설정에 시간이 걸릴 수 있습니다.
ONNX 내보내기, 시각화, 추적 등의 일부 기능을 사용하려면 선택적 추가 패키지를 별도로 설치해야 합니다.

토픽

#recommender-system #pytorch #deep-learning #ctr-prediction #onnx #recsys #generative-recommendation #ascend #hstu #llm

자주 묻는 질문

torch-rechub은(는) 무엇인가요?: 추천 모델 구축을 위한 PyTorch 프레임워크로, 30개 이상의 랭킹·매칭·멀티태스크·생성형 모델을 기본 제공하고 ONNX 내보내기를 지원합니다. Torch-RecHub는 추천 시스템 구축을 위한 PyTorch 기반 프레임워크입니다. DeepFM과 DCN 같은 CTR 랭킹 모델, DSSM과 SASRec 같은 투타워 및 시퀀스 매칭 모델, MMoE와 PLE 같은 멀티태스크 모델, HSTU와 TIGER 같은 생성형 추천 모델을 포함해 고전적인 모델부터 최신 모델까지 폭넓은 라이브러리를 제공합니다. 각 모델은 CTR, 매칭, 멀티태스크 설정에 맞춰 공통 트레이너로 학습하며, 데이터 로딩과 평가 워크플로도 통합되어 있습니다.
torch-rechub은(는) 무료로 사용할 수 있나요? 라이선스는 무엇인가요?: torch-rechub은(는) MIT 라이선스의 오픈소스입니다. 상업용 제품에 사용하기 전에 라이선스 조건을 확인하세요.
torch-rechub은(는) 아직 유지보수되고 있나요?: 활발히 유지보수 중. torch-rechub의 마지막 커밋은 2026년 10월 22일입니다.
torch-rechub은(는) 어디에 사용할 수 있나요?: Criteo 또는 Avazu 같은 데이터셋으로 CTR 예측 모델을 프로토타이핑합니다. 투타워 검색 모델을 구축하고 사용자 타워와 아이템 타워를 각각 내보냅니다. 클릭과 전환처럼 여러 목표를 함께 최적화하는 멀티태스크 랭킹 모델을 학습합니다. HSTU, HLLM 같은 LLM 기반 또는 생성형 추천 방법을 실험합니다.
torch-rechub는 어떻게 설치하나요?: pip으로 PyTorch와 패키지를 설치합니다: pip install torch && pip install torch-rechub 저장소를 클론합니다: git clone https://github.com/datawhalechina/torch-rechub.git uv로 종속성을 설치합니다: uv sync 해당 폴더에서 DSSM 매칭 예제를 실행합니다: cd examples/matching && python run_ml_dssm.py
torch-rechub은(는) 어디서 받을 수 있나요?: 소스 코드와 설치 방법은 GitHub에 있습니다: https://github.com/datawhalechina/torch-rechub

요약은 프로젝트 README를 바탕으로 AI가 작성했습니다. GitHub 통계는 매일 갱신됩니다.