DeepRec
DeepRec copied to clipboard
DeepRec-AI
[ModelZoo] Support Co_Action Network
- 请和DeepRec/modelzoo根目录下的模型代码保持一样的风格和参数接口
- 请代码里只保留单个模型相关信息
- 请移除无关代码，使文件尽量简洁
- 在能够复用tensorflow接口的情况下，避免重写
- 请复用modelzoo中的数据集，DIEN/DIN数据集处理方式与论文 repo里提供的方式有不同
- 请和 DeepRec/modelzoo 根目录下的模型代码保持一样的风格和参数接口
- 代码里只保留自己的模型相关信息
- 请移除其他代码，使文件移除
- 在能够复用张量流接口的情况下，避免灵活
- 请复用modelzoo中的数据集，DIEN/DIN数据集处理方式与论文回购提供的方式有不同
dien和can的数据是一样的，只是处理方法不同，这两个模型生成的文件也不一样
- 请和 DeepRec/modelzoo 根目录下的模型代码保持一样的风格和参数接口
- 代码里只保留自己的模型相关信息
- 请移除其他代码，使文件移除
- 在能够复用张量流接口的情况下，避免灵活
- 请复用modelzoo中的数据集，DIEN/DIN数据集处理方式与论文回购提供的方式有不同
dien和can的数据是一样的，只是处理方法不同，这两个模型生成的文件也不一样
能否复用DIEN生成的数据文件? 虽然原始数据是一致的，但是处理数据需要花费时间。这部分开销对于测试并不友好，目前DeepRec提供的docker中，是直接提供DIEN处理后的数据文件。如果能够和DIN一样复用的话，能够有效减少测试时处理数据的时间以及减小docker image的大小。
- 请和 DeepRec/modelzoo 根目录下的模型代码保持一样的风格和参数接口
- 代码里只保留自己的模型相关信息
- 请移除其他代码，使文件移除
- 在能够复用张量流接口的情况下，避免灵活
- 请复用modelzoo中的数据集，DIEN/DIN数据集处理方式与论文回购提供的方式有不同
dien和can的数据是一样的，只是处理方法不同，这两个模型生成的文件也不一样
能否复用DIEN生成的数据文件? 虽然原始数据是一致的，但是处理数据需要花费时间。这部分开销对于测试并不友好，目前DeepRec提供的docker中，是直接提供DIEN处理后的数据文件。如果能够和DIN一样复用的话，能够有效减少测试时处理数据的时间以及减小docker image的大小。
DIEN生成的数据文件缺少了两个文件。其它的文件可以复用
- 请和 DeepRec/modelzoo 根目录下的模型代码保持一样的风格和参数接口
- 代码里只保留自己的模型相关信息
- 请移除其他代码，使文件移除
- 在能够复用张量流接口的情况下，避免灵活
- 请复用modelzoo中的数据集，DIEN/DIN数据集处理方式与论文回购提供的方式有不同
dien和can的数据是一样的，只是处理方法不同，这两个模型生成的文件也不一样
能否复用DIEN生成的数据文件? 虽然原始数据是一致的，但是处理数据需要花费时间。这部分开销对于测试并不友好，目前DeepRec提供的docker中，是直接提供DIEN处理后的数据文件。如果能够和DIN一样复用的话，能够有效减少测试时处理数据的时间以及减小docker image的大小。
DIEN生成的数据文件缺少了两个文件。其它的文件可以复用
- 那能否在DIEN的处理脚本上添加这俩个文件的生成脚本？希望这几个模型复用的部分的生成方式和脚本是一致。
- 缺少的文件是？
- 使数据处理的部分，尽量从train.py中剥离。prepare_data()这部分生成负样本的代码还是想到耗时的，对与测试来说，是不必要的。DIEN就将这部分在处理数据时完成了。
- 请和 DeepRec/modelzoo 根目录下的模型代码保持一样的风格和参数接口
- 代码里只保留自己的模型相关信息
- 请移除其他代码，使文件移除
- 在能够复用张量流接口的情况下，避免灵活
- 请复用modelzoo中的数据集，DIEN/DIN数据集处理方式与论文回购提供的方式有不同
dien和can的数据是一样的，只是处理方法不同，这两个模型生成的文件也不一样
能否复用DIEN生成的数据文件? 虽然原始数据是一致的，但是处理数据需要花费时间。这部分开销对于测试并不友好，目前DeepRec提供的docker中，是直接提供DIEN处理后的数据文件。如果能够和DIN一样复用的话，能够有效减少测试时处理数据的时间以及减小docker image的大小。
DIEN生成的数据文件缺少了两个文件。其它的文件可以复用
- 那能否在DIEN的处理脚本上添加这俩个文件的生成脚本？希望这几个模型复用的部分的生成方式和脚本是一致。
- 缺少的文件是？
- 使数据处理的部分，尽量从train.py中剥离。prepare_data()这部分生成负样本的代码还是想到耗时的，对与测试来说，是不必要的。DIEN就将这部分在处理数据时完成了。
缺少item_carte_voc.pkl和cate_carte_voc.pkl文件，我试一试加上这两个文件的生成脚本。 另外prepare_data这一部分确实是耗时，是不是处理数据生成一个新文件呢？ 最后我想问的是，我其它三个模型的数据也要用DIEN的数据吗
- 请和 DeepRec/modelzoo 根目录下的模型代码保持一样的风格和参数接口
- 代码里只保留自己的模型相关信息
- 请移除其他代码，使文件移除
- 在能够复用张量流接口的情况下，避免灵活
- 请复用modelzoo中的数据集，DIEN/DIN数据集处理方式与论文回购提供的方式有不同
dien和can的数据是一样的，只是处理方法不同，这两个模型生成的文件也不一样
能否复用DIEN生成的数据文件? 虽然原始数据是一致的，但是处理数据需要花费时间。这部分开销对于测试并不友好，目前DeepRec提供的docker中，是直接提供DIEN处理后的数据文件。如果能够和DIN一样复用的话，能够有效减少测试时处理数据的时间以及减小docker image的大小。
DIEN生成的数据文件缺少了两个文件。其它的文件可以复用
- 那能否在DIEN的处理脚本上添加这俩个文件的生成脚本？希望这几个模型复用的部分的生成方式和脚本是一致。
- 缺少的文件是？
- 使数据处理的部分，尽量从train.py中剥离。prepare_data()这部分生成负样本的代码还是想到耗时的，对与测试来说，是不必要的。DIEN就将这部分在处理数据时完成了。
缺少item_carte_voc.pkl和cate_carte_voc.pkl文件，我试一试加上这两个文件的生成脚本。 另外prepare_data这一部分确实是耗时，是不是处理数据生成一个新文件呢？ 最后我想问的是，我其它三个模型的数据也要用DIEN的数据吗
尽量复用。 请和modelzoo里保持一致的代码风格，使用dataset和feature column接口读取和处理数据，文件直接使用txt or csv保存，不要使用pkl,这样还需要import包，尽可能减少依赖。
- 请和 DeepRec/modelzoo 根目录下的模型代码保持一样的风格和参数接口
- 代码里只保留自己的模型相关信息
- 请移除其他代码，使文件移除
- 在能够复用张量流接口的情况下，避免灵活
- 请复用modelzoo中的数据集，DIEN/DIN数据集处理方式与论文回购提供的方式有不同
dien和can的数据是一样的，只是处理方法不同，这两个模型生成的文件也不一样
能否复用DIEN生成的数据文件? 虽然原始数据是一致的，但是处理数据需要花费时间。这部分开销对于测试并不友好，目前DeepRec提供的docker中，是直接提供DIEN处理后的数据文件。如果能够和DIN一样复用的话，能够有效减少测试时处理数据的时间以及减小docker image的大小。
DIEN生成的数据文件缺少了两个文件。其它的文件可以复用
- 那能否在DIEN的处理脚本上添加这俩个文件的生成脚本？希望这几个模型复用的部分的生成方式和脚本是一致。
- 缺少的文件是？
- 使数据处理的部分，尽量从train.py中剥离。prepare_data()这部分生成负样本的代码还是想到耗时的，对与测试来说，是不必要的。DIEN就将这部分在处理数据时完成了。
缺少item_carte_voc.pkl和cate_carte_voc.pkl文件，我试一试加上这两个文件的生成脚本。 另外prepare_data这一部分确实是耗时，是不是处理数据生成一个新文件呢？ 最后我想问的是，我其它三个模型的数据也要用DIEN的数据吗
尽量复用。 请和modelzoo里保持一致的代码风格，使用dataset和feature column接口读取和处理数据，文件直接使用txt or csv保存，不要使用pkl,这样还需要import包，尽可能减少依赖。
这个prepare_data部分速度太慢了，可以使用多进程处理吗
请按照DeepRec最新代码中modelzoo里DIEN的代码，调整代码结构，主要以下几点： 1.代码文件夹名称改为小写 2.如果无特殊需求，直接复用DIEN中数据处理代码和数据集，prepare_data处理慢不是问题，我们在docker image中提供了数据集。 3.模型代码部分只使用一个train.py文件，代码结构参考DIEN的代码，主要顺序为 模型类定义，使用dataset结构构造输入，构造feature_column，train，eval，main函数，参数解析，分布式配置解析，入口。 4.按照DIEN中的代码，启用DeepRec对应的feature 5.与最新代码保持常规参数的一致，例如batch_size等参数以及DeepRec feature的功能开关 6.尽量减少其他包的import
请按照DeepRec最新代码中动物园里DIEN的代码，调整代码结构，主要以下几点： 1.代码文件夹名称改为编写2.如果没有特殊需求，直接使用 DIEN中数据处理代码集，prep_data 3.模型代码部分只参考一个train.py 文件，代码结构DIEN的，主要使用顺序为模型类定义，数据集构造输入，构造feature_column 4.按照DIEN中的代码，DeepRec的代码，与 代码保持正常的参数一致，例如atch_size等以及DeepRec特性的功能开关 6.减少其他包的进口
是需要我按照DIEN的重新写一个CAN模型吗
请按照DeepRec最新代码中动物园里DIEN的代码，调整代码结构，主要以下几点： 1.代码文件夹名称改为编写2.如果没有特殊需求，直接使用 DIEN中数据处理代码集，prep_data 3.模型代码部分只参考一个train.py 文件，代码结构DIEN的，主要使用顺序为模型类定义，数据集构造输入，构造feature_column 4.按照DIEN中的代码，DeepRec的代码，与 代码保持正常的参数一致，例如atch_size等以及DeepRec特性的功能开关 6.减少其他包的进口
是需要我按照DIEN的重新写一个CAN模型吗
是的，包括其他模型，因为要考虑到和现有测试框架的契合