关于pretrain with FM的疑惑

[SunBUPT]

非常感谢您的分享！ 看了您的文章和代码，有一点小疑惑： 文章中提到：For Wide&Deep, DeepCross and AFM, we find that pre-training their feature embeddings with FM leads to a lower RMSE than a random initialization.As such, we report their performance with pre-training. 这个在命令行中具体是怎样实现预训练的呢？ 按照Readme中的说明输入AFM.py的命令行后会报错，因为找不到预训练模型，即使将fm预训练模型放入pretrain/afm_ml-tag_16文件夹中也会因meta文件中参数不匹配而无法使用，请问该怎么处理呢？ （另外，因为FM默认hidden_factor=16，那AFM命令行中--hidden_factor [8,256]是不是应该改为--hidden_factor [16,16]？）

train FM model and save as pretrain file

python FM.py --dataset ml-tag --epoch 100 --pretrain -1 --batch_size 4096 --lr 0.01 --keep 0.7

train AFM model using the pretrained weights from FM

python AFM.py --dataset ml-tag --epoch 100 --pretrain 1 --batch_size 4096 --hidden_factor [8,256] --keep [1.0,0.5] --lamda_attention 2.0 --lr 0.1

[hexiangnan]

你好，非常感谢你的反馈！ 根据你的描述，我检查了一下code，很抱歉，原来的说明以及code确实有问题，我做了如下修改：

1. FM.py中默认hidden factor改为256，和readme中的example参数设置保持一致；
2. readme中，与训练fm的code，增加了--hidden_factor 256的参数；
3. 注释了FM.py和AFM.py的main函数里几行没用的代码；

你说的meta参数不匹配我没遇到，可能是参数设置不对，现在的code我试验过应该没有问题了，还请更新代码后再试试看。如有问题欢迎继续讨论，如果OK了也烦请告知，我好关闭这个issue，谢谢！

[SunBUPT]

已经运行成功了！非常感谢！