Open stasi009 opened 5 years ago
看了Paddle_baseline_KDD2019下network_confv6.py中关于DeepFM的实现
作者在实现FM的embedding时，将embedding矩阵命名为： sparse_fm_param_attr = fluid.param_attr.ParamAttr(name="SparseFeatFactors", initializer=fluid.initializer.Normal( scale=1 / math.sqrt(sparse_feature_dim)))
而在实现Deep侧时，将名称也取为SparseFeatFactors param_attr=fluid.ParamAttr(name="SparseFeatFactors", initializer=fluid.initializer.Uniform()))
这样做的目的是为了实现DeepFM中“FM侧与DNN侧共享embedding”的设计思路吗？
如果是的话，又为什么二次调用的初始化方式不同？到底是按哪次的方式初始化的？
又为什么不在代码中，两次调用生成的embedding矩阵大小时，采用完全不同的长度变量？之所以没出问题，是因为这些变量的赋值恰好相同罢了。
您好，deepFM代码可以参考：https://github.com/PaddlePaddle/models/tree/develop/PaddleRec/ctr/deepfm
mmglove
commented
5 years ago mmglove
commented
5 years ago
看了Paddle_baseline_KDD2019下network_confv6.py中关于DeepFM的实现
作者在实现FM的embedding时，将embedding矩阵命名为： sparse_fm_param_attr = fluid.param_attr.ParamAttr(name="SparseFeatFactors", initializer=fluid.initializer.Normal( scale=1 / math.sqrt(sparse_feature_dim)))
而在实现Deep侧时，将名称也取为SparseFeatFactors param_attr=fluid.ParamAttr(name="SparseFeatFactors", initializer=fluid.initializer.Uniform()))
这样做的目的是为了实现DeepFM中“FM侧与DNN侧共享embedding”的设计思路吗？
如果是的话，又为什么二次调用的初始化方式不同？到底是按哪次的方式初始化的？
又为什么不在代码中，两次调用生成的embedding矩阵大小时，采用完全不同的长度变量？之所以没出问题，是因为这些变量的赋值恰好相同罢了。