---
title: 训练DLRM模型
description: "本文未对模型进行调优，只是示范使用TensorFlow框架训练DLRM模型的整个过程。网络参数沿用源码，模型参数较小，训练速度相对较快，而AUC数据一般，用户可自行修改网络参数进行调优。"
url: https://www.hikunpeng.com/document/detail/zh/SRA/ecosystemEnable/dlrm/kunpengdlrm_02_0011.html
sourcePath: /source/zh/SRA/ecosystemEnable/dlrm/kunpengdlrm_02_0011.html
indexId: 8b33f8efaf9b06b3b54791e070722c7a4549c57ad82ca28088fb7a9b414d17cb60
---
# 训练DLRM模型

本文未对模型进行调优，只是示范使用TensorFlow框架训练DLRM模型的整个过程。网络参数沿用源码，模型参数较小，训练速度相对较快，而AUC数据一般，用户可自行修改网络参数进行调优。

1. 执行“dlrm_criteo_gpu.py”脚本训练DLRM模型。dlrm_criteo_gpu.py代码自动检测当前环境是否已配置GPU卡，若没有配置GPU卡则会自动调整为CPU进行训练。
  1 python dlrm_criteo_gpu.py

  若回显训练日志如上图所示，表示正常训练。AUC值不必与图片保持一致，训练模型效果可能不尽相同。

  AUC（Area Under Curve）表示ROC曲线下的面积，主要用于衡量模型的泛化性能，即分类效果的好坏，值越高效果越好，最高值为1。

2. 查看生成的模型文件。
  1 ls -la

  若新生成“checkpoint”，“mymodel.data-00000-of-00001”，“mymodel.index”三个文件，表示模型训练成功。