Tensorflow Recommenders：tfrs.Model 类中的计算损失方法的特征是什么来自检索教程

如何解决Tensorflow Recommenders：tfrs.Model 类中的计算损失方法的特征是什么来自检索教程

我正在关注 TFRS (TensorFlow Recommenders) 库中的 Retrieval tutorial，但我在这部分感到困惑：

class MovielensModel(tfrs.Model):

  def __init__(self,user_model,movie_model):
    super().__init__()
    self.movie_model: tf.keras.Model = movie_model
    self.user_model: tf.keras.Model = user_model
    self.task: tf.keras.layers.Layer = task

  def compute_loss(self,features: Dict[Text,tf.Tensor],training=False) -> tf.Tensor:
    # We pick out the user features and pass them into the user model.
    user_embeddings = self.user_model(features["user_id"])
    # And pick out the movie features and pass them into the movie model,# getting embeddings back.
    positive_movie_embeddings = self.movie_model(features["movie_title"])

    # The task computes the loss and the metrics.
    return self.task(user_embeddings,positive_movie_embeddings)

接下来是：

model = MovielensModel(user_model,movie_model)
model.compile(optimizer=tf.keras.optimizers.Adagrad(learning_rate=0.1))

我对这些代码块有疑问：

• 当它说 user_embeddings = self.user_model(features["user_id"])（还有 (self.movie_model(features["movie_title"])) 时，似乎 features 是一个字典，但在教程之前的任何部分都没有定义。我也检查了 { {1}} 源代码 here，看看它是该方法的属性还是什么，但我也没有找到任何东西......所以我的问题是，什么是 compute_loss？如何代码能否正常运行，运行之前未定义的代码？我在课堂外尝试过，只运行以下命令：features 当然，说 user_model(features["user_id"]) 未定义是行不通的. 但是为什么它在类被实例化之后又在编译时起作用呢？（上面的第二段代码）。

非常感谢！