search

jc-LeeHub / Recommend-System-tf2.0

原理解析及代码实战，推荐算法也可以很简单 🔥 想要系统的学习推荐算法的小伙伴，欢迎 Star 或者 Fork 到自己仓库进行学习🚀 有任何疑问欢迎提 Issues，也可加文末的联系方式向我询问！
https://github.com/jc-LeeHub/
647 stars 216 forks source link

保存和加载模型 #4

Closed DongFang1314 closed 3 years ago

DongFang1314 commented 3 years ago

有试过怎么保存和加载模型吗 试过很多种方法都报错了 报错说是因为subclass。。。。。

DongFang1314 commented 3 years ago

或者说各个训练集的feature_columns不一样 预测的时候会报错怎么解决

jc-LeeHub commented 3 years ago

或者说各个训练集的feature_columns不一样 预测的时候会报错怎么解决

不一样肯定会报错啊，只能分开训，分开预测

DongFang1314 commented 3 years ago

或者说各个训练集的feature_columns不一样 预测的时候会报错怎么解决

不一样肯定会报错啊，只能分开训，分开预测

需求如此，只能拿今天的数据训练，明天的预测数据今天还拿不到 特征都是一样的，只是样本的分布不一样 类别特征的分布不一样会导致embedding lookup的时候报错（具体是超出emd的inputsize大小） 有3种解决方法 1、拿到新数据合并之前的数据，这样feature_columns就一样了 不过每次预测都要重新训练模型 2、labelencoder有个映射字典文件，每个不同的集合同样的类别类证labelencoder的时候公用一个映射字典文件 不过作者用的sklearn的labelencoder不支持本地映射字典文件 3、改写model里面的call方法 sparse_embed计算的时候emb look up报错给他一个全0向量