张维哲

是浮点数的问题，tensorflow的sigmoid返回tensor默认float32的，sklearn的log_loss的eps默认是1e-15只能确保float64的精度不会出错。可以写一个方法吧eps改成1e-7。

我把criteo连续特征离散化（等频离散化成500份）后当成类别特征，所有的类别特征过滤出现少于50次的，dropout都为0.7，DNN为[400,400,400], auc为0.8097左右，然而单纯的DNN都到0.8105了。我自己实现的DeepFM也类似，不知道是什么原因

> > 我把criteo连续特征离散化（等频离散化成500份）后当成类别特征，所有的类别特征过滤出现少于50次的，dropout都为0.7，DNN为[400,400,400], auc为0.8097左右，然而单纯的DNN都到0.8105了。我自己实现的DeepFM也类似，不知道是什么原因 > > 请问你用的criteo是多少数据量，大概要多少内存？ 30g吧差不多

> 是用的4千万多数据测试的还是？ 是的

@blake-varden @seizeTheDayMin I find a solution for this question, you can return `bytearray(image) `as pyspark BinaryType in python2, or `bytes(image, encoding="raw_unicode_escape") ` in python3. The image is binary string like...