这是名为 DeepCTR 的 Linux 应用程序,其最新版本可以下载为 v0.9.3.zip。 它可以在工作站的免费托管服务提供商 OnWorks 中在线运行。
使用 OnWorks 免费下载并在线运行这个名为 DeepCTR 的应用程序。
请按照以下说明运行此应用程序:
- 1. 在您的 PC 中下载此应用程序。
- 2. 在我们的文件管理器 https://www.onworks.net/myfiles.php?username=XXXXX 中输入您想要的用户名。
- 3. 在这样的文件管理器中上传这个应用程序。
- 4. 从此网站启动OnWorks Linux online 或Windows online emulator 或MACOS online emulator。
- 5. 从您刚刚启动的 OnWorks Linux 操作系统,使用您想要的用户名转到我们的文件管理器 https://www.onworks.net/myfiles.php?username=XXXXX。
- 6. 下载应用程序,安装并运行。
SCREENSHOTS
Ad
深度点击率
商品描述
DeepCTR 是一个易于使用、模块化和可扩展的基于深度学习的 CTR 模型包以及许多核心组件层,可用于轻松构建自定义模型。 您可以通过 model.fit() 和 model.predict() 使用任何复杂模型。 提供类似 tf.keras.Model 的接口以进行快速实验。 为大规模数据和分布式训练提供tensorflow estimator接口。 它与 tf 1.x 和 tf 2.x 兼容。 随着深度学习的巨大成功,基于 DNN 的技术在 CTR 预测任务中得到了广泛的应用。 CTR估计任务中的数据通常包括高稀疏、高基数的分类特征和一些密集的数值特征。 由于 DNN 擅长处理密集的数值特征,我们通常通过嵌入技术将稀疏的分类特征映射到密集的数值特征。
特征
- CCPM(卷积点击预测模型)
- PNN(基于产品的神经网络)
- FNN(支持因式分解的神经网络)
- MLR(混合逻辑回归/分段线性模型)
- NFM(神经分解机)
- DCN(深度跨网络)
程式语言
蟒蛇
分类目录
这是一个也可以从 https://sourceforge.net/projects/deepctr.mirror/ 获取的应用程序。 它已托管在 OnWorks 中,以便从我们的免费操作系统之一以最简单的方式在线运行。