关于create_embedding_dict里面embedding_name 重复的问题

[mmmmlz]

Please refer to the FAQ in doc and search for the related issues before you ask the question.

Describe the question(问题描述) 在 create_embedding_dict 函数中，使用特征的embedding_name 作为key来进行存储，那么如果特征的embedding_name 重复，事实上在例如在run_sdm里面用户序列中变长特征和item特征就是重复的。这样的话会导致得到的emd被覆盖，如果只需要一份embedding的话，那这样写还有什么意义？

def create_embedding_dict(sparse_feature_columns, varlen_sparse_feature_columns, seed, l2_reg,
                          prefix='sparse_', seq_mask_zero=True):
    sparse_embedding = {}
    for feat in sparse_feature_columns:
        emb = Embedding(feat.vocabulary_size, feat.embedding_dim,
                        embeddings_initializer=feat.embeddings_initializer,
                        embeddings_regularizer=l2(l2_reg),
                        name=prefix + '_emb_' + feat.embedding_name)
        emb.trainable = feat.trainable
        sparse_embedding[feat.embedding_name] = emb

    if varlen_sparse_feature_columns and len(varlen_sparse_feature_columns) > 0:
        for feat in varlen_sparse_feature_columns:
            # if feat.name not in sparse_embedding:
            emb = Embedding(feat.vocabulary_size, feat.embedding_dim,
                            embeddings_initializer=feat.embeddings_initializer,
                            embeddings_regularizer=l2(
                                l2_reg),
                            name=prefix + '_seq_emb_' + feat.name,
                            mask_zero=seq_mask_zero)
            emb.trainable = feat.trainable
            sparse_embedding[feat.embedding_name] = emb
    return `sparse_embedding`

[bbruceyuan]

我理解这样只是为了书写方便。

原因：val_len_item 和 item 都是通过同一个 embedding_name 作为key, 在初始化 embedding_dict 的时候会出现一次覆盖；但是之后 无论是更新 val_len_item 还是 item 的 embedding, 都是更新同一个 key 对应的 embedding，所以在创建的时候 embedding_name为 key 的 embedding 被覆盖一次并没有什么关系。

[haiming2019]

我也反映过这个问题：https://github.com/shenweichen/DeepCTR/issues/419，这个工程代码有很多需要优化的地方

[cxyz1]

是为了share embedding