Skip to content
体验新版
项目
组织
正在加载...
登录
切换导航
打开侧边栏
BaiXuePrincess
PaddleRec
提交
ca3524e0
P
PaddleRec
项目概览
BaiXuePrincess
/
PaddleRec
与 Fork 源项目一致
Fork自
PaddlePaddle / PaddleRec
通知
1
Star
0
Fork
0
代码
文件
提交
分支
Tags
贡献者
分支图
Diff
Issue
0
列表
看板
标记
里程碑
合并请求
0
Wiki
0
Wiki
分析
仓库
DevOps
项目成员
Pages
P
PaddleRec
项目概览
项目概览
详情
发布
仓库
仓库
文件
提交
分支
标签
贡献者
分支图
比较
Issue
0
Issue
0
列表
看板
标记
里程碑
合并请求
0
合并请求
0
Pages
分析
分析
仓库分析
DevOps
Wiki
0
Wiki
成员
成员
收起侧边栏
关闭侧边栏
动态
分支图
创建新Issue
提交
Issue看板
提交
ca3524e0
编写于
9月 21, 2020
作者:
Y
yinhaofeng
浏览文件
操作
浏览文件
下载
电子邮件补丁
差异文件
readme
上级
a3478a16
变更
1
隐藏空白更改
内联
并排
Showing
1 changed file
with
2 addition
and
3 deletion
+2
-3
models/rank/logistic_regression/readme.md
models/rank/logistic_regression/readme.md
+2
-3
未找到文件。
models/rank/logistic_regression/readme.md
浏览文件 @
ca3524e0
...
@@ -210,9 +210,8 @@ first_weights = fluid.layers.reshape(first_weights_re,shape=[-1, self.num_field]
...
@@ -210,9 +210,8 @@ first_weights = fluid.layers.reshape(first_weights_re,shape=[-1, self.num_field]
#### sigmoid层
#### sigmoid层
将离散数据通过embedding查表得到的值,与连续数据的输入进行相乘再累加的操作,合为一个整体输入。我们又构造了一个初始化为0,shape为1的变量,将其与累加结果相加一起输入sigmoid中得到分类结果。
将离散数据通过embedding查表得到的值,与连续数据的输入进行相乘再累加的操作,合为一个整体输入。我们又构造了一个初始化为0,shape为1的变量,将其与累加结果相加一起输入sigmoid中得到分类结果。
在这里,可以将这个过程理解为一个全连接层。通过embedding查表获得权重w,构造的变量b_linear即为偏置变量b,再经过激活函数为sigmoid。
在这里,可以将这个过程理解为一个全连接层。通过embedding查表获得权重w,构造的变量b_linear即为偏置变量b,再经过激活函数为sigmoid。
```
math
$$Out=Act(
\s
um^{N-1}_{i=0}X_iW_i+b)$$
Out=Act(\sum^{N-1}_{i=0}X_iW_i+b)
```
```
python
```
python
y_first_order
=
fluid
.
layers
.
reduce_sum
(
first_weights
*
feat_value
,
1
,
keep_dim
=
True
)
y_first_order
=
fluid
.
layers
.
reduce_sum
(
first_weights
*
feat_value
,
1
,
keep_dim
=
True
)
...
...
编辑
预览
Markdown
is supported
0%
请重试
或
添加新附件
.
添加附件
取消
You are about to add
0
people
to the discussion. Proceed with caution.
先完成此消息的编辑!
取消
想要评论请
注册
或
登录