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!
版权声明:本文内容由互联网用户自发贡献,该文观点与技术仅代表作者本人。本站仅提供信息存储空间服务,不拥有所有权,不承担相关法律责任。如发现本站有涉嫌侵权/违法违规的内容, 请发送邮件至 dio@foxmail.com 举报,一经查实,本站将立刻删除。