CTR任务特点 Ø CTR预估常用算法 • LR • GBDT • FM • 大量离散特征、高维稀疏 • 特征关联性挖掘 CTR一般流程 业务目标与模型选择 Ø 模型优化目标 • 互动（转发/评论/赞） 点击（图片/视频/文章/链接等） 阅读时长 Ø 模型选择 • 线性模型LR+特征工程 • 多目标预估 • 排序基于pointwise的 learning to rank 互动模型

这将启动服务，使用多个副本部署在最经济的可用位置和加速器上。SkyServe 将自动管理这些副本，监控其 健康状况，根据负载进行自动伸缩，并在必要时重启它们。 将返回一个 endpoint，所有发送至该 endpoint 的请求都将被路由至就绪状态的副本。 2. 运行如下命令检查服务的状态： sky serve status qwen 很快，您将看到如下输出： Services NAME VERSION UPTIME STATUS

12.1.3 Sequential的混合式编程 要了解混合式编程的工作原理，最简单的方法是考虑具有多层的深层网络。按照惯例，Python解释器需要执 行所有层的代码来生成一条指令，然后将该指令转发到CPU或GPU。对于单个的（快速的）计算设备，这不会 导致任何重大问题。另一方面，如果我们使用先进的8‐GPU服务器，比如AWS P3dn.24xlarge实例，Python将很 难让所有的G 使用Jupyter Notebook工具，我们可以编辑、运行和为本书做贡献。 • 使用端口转发在远程服务器上运行Jupyter Notebook。 746 16. 附录：深度学习工具 练习 1. 在本地计算机上使用Jupyter Notebook编辑并运行本书中的代码。 2. 使用Jupyter Notebook通过端口转发来远程编辑和运行本书中的代码。 3. 对于两个方矩阵，测量A⊤B与AB在R1 init, 你可能需要执行source~/.bashrc，而不是关闭并重新打开当 前shell。 16.3.4 远程运行Jupyter笔记本 要远程运行Jupyter笔记本，你需要使用SSH端口转发。毕竟，云中的服务器没有显示器或键盘。为此，请从 你的台式机（或笔记本电脑）登录到你的服务器，如下所示： # 此命令必须在本地命令行中运行 ssh -i "/path/to/key.pem"

多输入多输出模型 以下是函数式 API 的一个很好的例子：具有多个输入和输出的模型。函数式 API 使处理大 量交织的数据流变得容易。 来考虑下面的模型。我们试图预测 Twitter 上的一条新闻标题有多少转发和点赞数。模型的 主要输入将是新闻标题本身，即一系列词语，但是为了增添趣味，我们的模型还添加了其他的 辅助输入来接收额外的数据，例如新闻标题的发布的时间等。该模型也将通过两个损失函数进 行监督