nzc / dnn_ctr Goto Github PK

Hi,
Could you please help me fix the following issue.
Traceback (most recent call last):
File "main.py", line 4, in
from model import FNN
File "/root/dnn-ctr-fnn/dnn_ctr/model/FNN.py", line 540, in
fnn.load_state_dict(torch.load('./data/model/ffnn.pkl'))
File "/root/.local/lib/python2.7/site-packages/torch/serialization.py", line 356, in load
f = open(f, 'rb')
IOError: [Errno 2] No such file or directory: './data/model/ffnn.pkl'

您好，跑FNN的时候出现这个错误是什么情况？
RuntimeError: cuda runtime error (8) : invalid device function at /pytorch/aten/src/THC/generated/../generic/THCTensorMathReduce.cu:18

您好, 请教一个梯度计算的问题. deepfm中embedding层的参数学习(即second_order_emb), torch在计算梯度的时候是分别计算deep部分和fm部分, 然后求和得到更新的步长的么? 另外就是这个embedding层的初始化有什么技巧么?

请问所使用的数据是来自哪儿的？

cannot import name 'data_preprocess'

您好，我运行你的代码，报如下错误，请问怎么解决，第一次用pytorch
RuntimeError: cuda runtime error (10) : invalid device ordinal at torch/csrc/cuda/Module.cpp:88

原文里面用了下面的这个式子简化了运算
NFM.py里面好像是用的循环，这样是否会效率较低？

博主，您可以理解错了NFM了

https://github.com/nzc/dnn_ctr/blob/master/model/NFM.py#L235

看到这里，假设数据有39个域，FM的embed向量长度为4，你用FM构造的向量是 39*(39-1)/2 =741 个，为各个域隐向量两两之间的内积。

但是，我看到官方实现的方法是用FM求和后的隐向量，在这个场景下长度应为4

您可以看下官方实现（翻译成torch版的了，原版TF应该和这个差不多）

https://github.com/guoyang9/NFM-pyorch

你好，我在fork你的代码之后，运行main.py文件，报如下错误，

缺少**./data/category_emb.csv**这个文件，我想问这个文件我应该怎么生成啊？
谢谢。

已经更新

首先，感谢分享，原文有一句话是We propose the DCN model that enables Web-scale automatic feature learning with both sparse and dense inputs 是可以把稀疏数据作为训练数据的，请问你的分享是否有这样的接口呢。

现在都是新时代了，希望兼容一下python3。

您好，我在用kaggle-2014-criteo冠军的代码跑category_emb.csv的时候，出现这个错误，怎么解决呀？

/bin/sh: 1: ./converters/pre-a.py: not found
cat: tr.gbdt.dense.tmp.0: 没有那个文件或目录
cat: tr.gbdt.sparse.tmp.0: 没有那个文件或目录

In

您好！很荣幸看到您的代码，然而在训练我们的数据集时遇到了一些问题。
问题1：特征工程
关于特征的编码，我们比较好奇是使用什么样的方式。如果可以的话，能请您发一下对criteo数据集进行特征编码的代码或链接吗？
问题2：标签编码
在阅读代码的过程中，我发现在读取数据时，index是对应的Xi_train内容，是读取的csv中的数据。而value是1-39的标签。这让我有些费解。如果可以的话，能请您大概描述一下这么做的原因吗？或者请您简单介绍一下embed标签的csv中每一列代表的意义吗？

请问该代码会提供多分类版本吗。尝试着改成多分类的，失败了。

我看作者是有个小数据集的，直接用data_preprocess.py读数据，形成一个dict，我们做真实数据预测的时候，请问是直接把整个数据集加载到内存中吗，我这样试过，由于内存不足被kill了，该怎样解决呢

是注释错误了吗？