研发工具导览
Torch-RecHub 提供了丰富的研发工具，帮助开发者更高效地进行模型开发、调试和部署。这些工具涵盖了训练过程监控、实验追踪、模型可视化等多个方面。
工具概览
| 工具类别 | 功能描述 | 文档链接 |
|---|---|---|
| 回调函数 | 训练过程中的早停、模型保存等 | 回调函数 |
| 实验追踪 | WandB、SwanLab、TensorBoardX 集成 | 实验追踪 |
| 模型可视化 | 模型架构图生成与展示 | 可视化监控 |
回调函数
回调函数用于在训练过程中执行特定操作，如早停、模型保存等。
EarlyStopper
早停器用于在验证集性能不再提升时停止训练，防止过拟合。
python
from torch_rechub.basic.callback import EarlyStopper
# 创建早停器，连续10轮验证集性能没有提升就停止训练
early_stopper = EarlyStopper(patience=10)
# 在训练循环中使用
for epoch in range(n_epoch):
# ... 训练代码 ...
val_auc = evaluate(model, val_dataloader)
if early_stopper.stop_training(val_auc, model.state_dict()):
print(f'Early stopping! Best AUC: {early_stopper.best_auc}')
model.load_state_dict(early_stopper.best_weights)
break详情请参考 回调函数 页面。
实验追踪
Torch-RecHub 内置了可选的实验跟踪能力，支持三种主流工具：
- Weights & Biases (wandb)：云端实验管理平台
- SwanLab：国产实验追踪工具
- TensorBoardX：本地可视化工具
python
from torch_rechub.trainers import CTRTrainer
from torch_rechub.basic.tracking import WandbLogger
# 创建 logger
logger = WandbLogger(project="my-ctr", name="exp1")
# 传入 Trainer
trainer = CTRTrainer(model, model_logger=logger)
trainer.fit(train_dl, val_dl)详情请参考 实验追踪 页面。
模型可视化
Torch-RecHub 提供了模型架构可视化功能，可以生成模型的计算图。
python
from torch_rechub.utils.visualization import visualize_model
# 可视化模型架构
graph = visualize_model(model, depth=4)
# 保存为 PDF
visualize_model(model, save_path="model_arch.pdf", dpi=300)详情请参考 可视化监控 页面。
损失函数
Torch-RecHub 提供了多种推荐系统常用的损失函数：
RegularizationLoss
统一的 L1/L2 正则化损失，支持对 Embedding 层和全连接层分别设置正则化系数。
python
from torch_rechub.basic.loss_func import RegularizationLoss
reg_loss_fn = RegularizationLoss(
embedding_l1=0.0,
embedding_l2=1e-5,
dense_l1=0.0,
dense_l2=1e-5
)
# 计算正则化损失
reg_loss = reg_loss_fn(model)
total_loss = task_loss + reg_lossBPRLoss
用于召回模型的 pairwise 损失函数。
python
from torch_rechub.basic.loss_func import BPRLoss
bpr_loss = BPRLoss()
loss = bpr_loss(pos_score, neg_score)HingeLoss
用于 pairwise 学习的 Hinge 损失。
python
from torch_rechub.basic.loss_func import HingeLoss
hinge_loss = HingeLoss(margin=2)
loss = hinge_loss(pos_score, neg_score)NCELoss
噪声对比估计损失，用于生成式推荐模型。
python
from torch_rechub.basic.loss_func import NCELoss
nce_loss = NCELoss(temperature=0.1)
loss = nce_loss(logits, targets)