PaddleRec_DSIN

1、目录结构 |--models |--rank |--dlrm # 本项目核心代码 |--data # 采样小数据集 |--config.yaml # 采样小数据集模型配置 |--config_bigdata.yaml # Kaggle Criteo 全量数据集模型配置 |--criteo_reader.py # dataset加载类
|--dygraph_model.py # PaddleRec 动态图模型训练类 |--net.py # dlrm 核心算法代码，包括 dlrm 组网等 |--tools

一、简介

二、复现精度

三、数据集

四、环境依赖

五、快速开始

六、代码结构与详细说明

七、模型信息

模型名称 模型的具体名称，如：# ResNet50

TOC 模型目录，可以使用gh-md-toc生成

一、简介 简单的介绍模型，以及模型的主要架构或主要功能，如果能给出效果图，可以在简介的下方直接贴上图片，展示模型效果，然后另起一行，按如下格式给出论文及链接。

论文:title

二、复现精度 三、数据集 给出数据集的链接，然后按格式描述数据集大小与数据集格式即可。

格式如下：

数据集大小：关于数据集大小的描述，如类别，数量，图像大小等等；

数据格式：关于数据集格式的说明

四、环境依赖 主要分为两部分介绍，一部分是支持的硬件，另一部分是框架等环境的要求，格式如下：

硬件：

框架：

PaddlePaddle >= 2.0.0 五、快速开始 需要给出快速训练、预测、使用预训练模型预测的使用说明；

六、代码结构与详细说明 需要用一小节描述整个项目的代码结构，用一小节描述项目的参数说明，之后各个小节详细的描述每个功能的使用说明；

七、模型信息 以表格的信息，给出模型相关的信息。