当前位置: 首页>>代码示例 >>用法及示例精选 >>正文


Python PyTorch DeepFM.forward用法及代码示例


本文简要介绍python语言中 torchrec.modules.deepfm.DeepFM.forward 的用法。

用法:

forward(embeddings: List[torch.Tensor]) → torch.Tensor

参数

embeddings(List[torch.Tensor]) -

所有嵌入的列表(例如,密集、common_sparse、specialized_sparse、embedding_features、raw_embedding_features),形状如下:

(batch_size, num_embeddings, embedding_dim)

为了便于操作,具有相同嵌入维度的嵌入可以选择堆叠成单个张量。例如,当我们有 1 个维度 = 32 的训练嵌入、5 个维度 = 64 的原生嵌入和 3 个维度 = 16 的密集特征时,我们可以将嵌入列表准备为以下列表:

tensor(B, 1, 32) (trained_embedding with num_embeddings=1, embedding_dim=32)
tensor(B, 5, 64) (native_embedding with num_embeddings=5, embedding_dim=64)
tensor(B, 3, 16) (dense_features with num_embeddings=3, embedding_dim=32)

注意

所有输入张量的batch_size 必须相同。

返回

dense_module 的输出,以扁平化和连接的 embeddings 作为输入。

返回类型

torch.Tensor

相关用法


注:本文由纯净天空筛选整理自pytorch.org大神的英文原创作品 torchrec.modules.deepfm.DeepFM.forward。非经特殊声明,原始代码版权归原作者所有,本译文未经允许或授权,请勿转载或复制。