In line 90, why tf.norm(), maybe tf.square() ??

请问目录recommendation/GBDT+LR-Demo里，gbdt部分是在训练集上获得，LR是在测试集做的。是不是LR也得在训练集上做啊？
因为在虽说GBDT和LR是分开的两个阶段，但是作用的数据应该是一个啊，那自然是训练数据啊。

在RL/Basic-DRQN-Demo/DRQN.py 中，下面三行报错。
from helper import updateTargetGraph,updateTarget,processState,saveToCenter
from gridworld import gameEnv

partial设置为True环境为部分可观测，如果设置为False，则是完全可观测

env = gameEnv(partial=True,Size = 9)

train_source = source_int[batch_size:]
train_target = source_int[batch_size:] <<<<<<<<<

for i in range(len(full_data)):
    u = full_data['user'][i]
    t = full_data['user'][i]

应该改成
for i in range(len(full_data)):
u = full_data['user'][i]
t = full_data['item'][i]

第33,35行是不是没有意义
full_data['item'] = full_data['item'].map(lambda x:item_map[x])

item_set = set(full_data.item.unique())

是FM中使用的MovieLens100k Datase或者是NCF原来那篇paper中的数据集吗？

在tensorflow_practice/nlp/chat_bot_seq2seq_attention/predict.py 文件中，
from data_helpers import loadDataset, getBatches, sentence2enco

请问data_helpers这个文件在哪里，没有找到。恳请回复，万分感谢。

#代码中你说用的 td_error 的 actor-critic 算法，但实际算actor的gradient时，你用的是q而不是td_error, 修改如下

def learn(self, s, a, r, s_):

    s, s_ = s[np.newaxis, :], s_[np.newaxis, :]
    next_a = [[i] for i in range(N_A)]
    s_ = np.tile(s_,[N_A,1])
    q_ = self.sess.run(self.td_error, {self.s: s_,self.a:next_a})
    q_ = np.max(q_,axis=0,keepdims=True)
    q, _ = self.sess.run([self.q, self.train_op],
                                {self.s: s, self.q_: q_, self.r: r,self.a:[[a]]})
    return q

发现一些小错啊？
比如：
train.py 中的
“model.restore(sess, ckpt.model_checkpoint_path)”
应改为：
"model.saver.restore(sess, ckpt.model_checkpoint_path)"

predict.py 中的
from data_helpers import loadDataset, getBatches, sentence2enco
应改为：
from data_loader import loadDataset, getBatches, sentence2enco

predict跑起来还有其它一屏又一屏的错，我只是想问一下楼主，是否真能跑起来？

basic-nfm-demo中的nfm文件类名有误,原文件是afm，应该为NFM，否则main运行报错

楼主麻烦问个问题~ SESSION-BASED RECOMMENDATIONS WITH RECURRENT NEURAL NETWORKS 这篇论文讲的模型，输入序列 x=[x1,x2,x3...xr-1,xr]，是只有最后一个商品输入之后才有输出，还是输入x1, 有一个输出，预测x2, 再输入x2,预测x3

如题

你好，DIEN例子中，_like_rnncell这个API失效了，麻烦问下怎么改，换成什么了

我运行Basic-PNN-Demo/main.py出现如下错误：

y_train_pnn, y_test_pnn = run_base_model_pnn(dfTrain, dfTest, folds, pnn_params)
TypeError: 'NoneType' object is not iterable

望大佬解答

您好，您的代码的GMF和MLP融合的时候，concat(gmf,mlp)这部分，gmf的列是embdding_size,mlp的列维度是embdding_size/2.为什么要这样设置呢，直觉上应该是列的维度一致才可以，请指教一下。谢谢。

您好，我使用tf中的BeamSearchDecoder，出现了predict_id为-1的情况，请问您出现过这种情况吗？

有些demo中的数据没有，例如GBDT_LR中的data就没有

self.all_logits = tf.reduce_sum(tf.multiply(self.u_embedding,self.item_embeddings),1) + self.item_bias

这里是不是有问题？应该是self.i_embedding

首先谢谢作者的贡献
v_s_ = r + GAMMA * v_s_ # 使用v(s) = r + v(s+1)计算target_v

我有一个提供文献检索的系统，想做一下文献推荐方面的工作。但是我只记录了用户下载文献的信息，就是可用的信息只有：
1.用户信息（用户ID）
2：文献信息（标题、关键词、摘要......）
3:下载信息（用户下载了哪篇文献）
如何利用上面这些信息实现有效的文献推荐呢？还望能够提供一些建议，谢谢。

`def simple_test_one_user(x):

rating = x[0]
u = x[1]
test_items = list(all_items - set(user_pos_train[u]))
item_score=[]
for i in test_items:
    item_score.append((i,rating[i]))
item_score = sorted(item_score,key=lambda x:x[1])
item_score.reverse()
item_sort = [x[0] for x in item_score]`

关于上面这段代码里的x是一个什么样的形式
item_score.append((i,rating[i])) item_sort = [x[0] for x in item_score]`` 从上面这两句里面看，x应该是{(i,rating[i])}的形式，i是不是items，后面的是评分，而一开始定义的 rating = x[0] ，u = x[1]`，所以这里不是太懂，x是什么 样的形式，x[0],x[1]又是代表什么，不知道能不能给解释下，谢谢

非常感谢作者的分享
我在用recommendation/Basic-DeepFM-model算法的时候，随着训练迭代次数的增加，train-result的分数越来越高，可以到92，而valid-result的分数越来越低，低至50 。跪求各位大佬的解答

output_layer = Dense(target_vocab_size,kernel_initializer=tf.truncated_normal_initializer(mean=0.1,stddev=0.1))
少一个input吧？

OSError: TransE_entity2vec_50.vec not found.

Will it work on Windows

您代码中的epsilon似乎只在建网络的时候加了，每次训练结束都没有抽样新的扰动，这是不是跟原文算法并不相符?

dataloader里 为什么要设dfv[col] = 1啊

你好，TransE_entity2vec_50.vec 这个是哪块生成的？看了下所有代码里面都不涉及生成这个，但是kg_preprocess.py需要读取。

我想请教下，FM那个模型，数据特征处理的核心**是啥？

Resource exhausted: OOM when allocating tensor with shape[312030,128,10,1] and type float on /job:localhost/replica:0/task:0/device:GPU:0 by allocator GPU_0_bfc

batch_size极小在4GRAM还是不行吗

ix[str(lis[t]) + str(k)] = ix.get(str(lis[t]) + str(k), len(ix)) 这样写才是正确的

Hi!
Thank you for your contribution.
I think the 'all_act' in this line should be 'self.all_act_prob'. Please correct me if I was wrong!
line 78 in RL_brain.py

您好，请问这句注释是不是说：

当训练时由docode_target得到的decode_Input包括go但不包括eos，形如[go_id, word1_id, word2_id, ...]
训练结束后计算loss时decode_target的每个句子包括eos但不包括go,形如[word1_id, word2_id, ..., eos_id]

另外，您的embedding遍历是所有词的词向量表，在tf.contrib.seq2seq.BeamSearchDecoder函数中，embedding是不是只要包括了decode_target的词向量即可呢？

非常感谢您的代码分享，谢谢您提供的学习机会！
祝好！

在181-182行，不理解为什么要声明reuse_variable? 博主能不能解答一下啊

ReadMe - 基础 - 卷积神经网络 的超链接失效了
https://github.com/princewen/tensorflow_practice/blob/master/basic/CNN.py

请问怎么使用自己的数据集，对自己的数据集进行扩充呢？

where get data for https://github.com/princewen/tensorflow_practice/tree/master/recommendation

请问MADDPG训练有效果吗？为什么我运行了一下没有效果？谢谢

您好，GBRT+LR有数据集吗？

file
https://github.com/princewen/tensorflow_practice/blob/master/nlp/RNN_dynamic_cell.py

line 75
logits = tf.reshape(tf.matmul(tf.reshape(rnn_outputs,[-1,batch_size]),W)+b,[batch_size,num_steps,num_classes])

此处reshape里面的batch_size是否应该改为state_size ? 因为例子里面batch_size和state_size都等于4，所以未报错，如果令batch_size=5，该行会抛出异常。

您好！
您的NCF的这段代码，创建迭代器，并迭代数据的操作。

#创建迭代器，可以读取不同数据，测试集/训练集
iterator = tf.data.Iterator.from_structure(train_data.output_types,
train_data.output_shapes)

我查了下资料发现这个迭代器每次获取数据的时候，都是从数据的前端获取数据。那这是不是意味着您的代码只利用了部分数据，不知道我的理解对不对？