学习文档：https://tianchi.aliyun.com/notebook-ai/detail?spm=5176.12586969.1002.3.410521d8OLun6L&postId=144452
task3完完全全打在了我的知识盲区内，突突突扫射过去全中。
队伍里的小伙伴给了一番指点：Baseline task 1给的是根据item similarity的单路召回。task3是多路召回。除了相似，也有流行度。热门。
好多基本的知识不太懂，先阅读一下youtube这篇文章
Deep Neural Network for YouTube Recommendation
面对的三个问题：
数据规模大、更新快、噪音
system overview
整个系统由①candidate generation 候选生成 ②ranking 排序 组成
image.png
candidate
image.png
ranking
image.png
安装faiss
因为我是win所以需要以下操作，linux或mac可以直接安装
先添加清华源：
conda config --add channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud/pytorch/
conda config --add channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/free/
conda config --add channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/main/
conda config --set show_channel_urls yes
添加完后可以conda info 查看镜像
再安装faiss：
conda install -c pytorch/label/nightly faiss-cpu
但是还是会报一些错，又conda install openblas swig之后还有。
不行了，转战到DSW：
在terminal中直接
pip install faiss-cpu
完成！收获快乐
更新：
天池实验室解决了faiss的问题，选择下面这个镜像即可：
image.png
