Python PyTorch FactorizationMachine.forward用法及代碼示例

本文簡要介紹python語言中 torchrec.modules.deepfm.FactorizationMachine.forward 的用法。

用法:

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

參數：

embeddings-

List[torch.Tensor]：所有嵌入的列表(例如，dense、common_sparse、specialized_sparse、embedding_features、raw_embedding_features)，形狀為：

(batch_size, num_embeddings, embedding_dim)

為了便於操作，具有相同嵌入維度的嵌入可以選擇堆疊成單個張量。例如，當我們有 1 個維度 = 32 的訓練嵌入、5 個維度 = 64 的原生嵌入和 3 個維度 = 16 的密集特征時，我們可以將嵌入列表準備為以下列表：

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

所有輸入張量的batch_size 必須相同。

返回：

fm 的輸出，以扁平化和連接的embeddings 作為輸入。預計為 [B, 1]。

返回類型：

torch.Tensor