Created by: yuyy0823

用paddle实现ranknet，有一些不太懂的地方，请相关同学指教下。 1、ranknet中左右两个网络结构共享参数，是否一定要通过设置param_attr和bias_attr中的name来实现，如果不设置这两个参数的名字的话，实际训练过程中是训练了两套参数吗？ 2、测试时发现，将网络中的参数通过param_attr和bias_attr设置name后（如下图），调用fluid.io.save_inference_model接口分别保存左右两个模型时，发现参数文件的md5sum是一样的，但是模型文件的md5sum值不一样，这是什么原因导致的呢？

def half_ranknet_2(input):
    """
        rank_net
    """
    def wide_layer():
        """
            wide layer
        """
        out = fluid.layers.fc(input=input, size=64, name='fc0',
              param_attr=fluid.param_attr.ParamAttr(name="wide_w"),
              bias_attr=fluid.param_attr.ParamAttr(name="wide_b"))
        return out
    def deep_layer():
        """
            deep layer
        """
        hidden1 = fluid.layers.fc(input=input, size=256, act='relu', name='fc1',
                  param_attr=fluid.param_attr.ParamAttr(name="deep_w1"),
              bias_attr=fluid.param_attr.ParamAttr(name="deep_b1"))
        hidden2 = fluid.layers.fc(input=hidden1, size=128, act='relu', name='fc2',
                  param_attr=fluid.param_attr.ParamAttr(name="deep_w2"),
              bias_attr=fluid.param_attr.ParamAttr(name="deep_b2"))
        #hidden3 = fluid.layers.fc(input=hidden2, size=128, act='relu', name='fc3')
        out = fluid.layers.fc(input=hidden2, size=64, act='relu', name='fc3',
              param_attr=fluid.param_attr.ParamAttr(name="deep_w3"),
              bias_attr=fluid.param_attr.ParamAttr(name="deep_b3"))
        return out
    deep_out = deep_layer()
    wide_out = wide_layer()
    concat1 = fluid.layers.concat(input=[deep_out, wide_out], axis=1)
    hidden3 = fluid.layers.fc(input=concat1, size=64, act='relu', name='fc4',
              param_attr=fluid.param_attr.ParamAttr(name="deep_w4"),
              bias_attr=fluid.param_attr.ParamAttr(name="deep_b4"))
    hidden4 = fluid.layers.fc(input=hidden3, size=32, act='relu', name='fc5',
              param_attr=fluid.param_attr.ParamAttr(name="deep_w5"),
              bias_attr=fluid.param_attr.ParamAttr(name="deep_b5"))
    pre = fluid.layers.fc(input=hidden4, size=1, name='out',
          param_attr=fluid.param_attr.ParamAttr(name="out_w"),
              bias_attr=fluid.param_attr.ParamAttr(name="out_b"))
    pre_scale = fluid.layers.scale(pre, 1.0)
    return pre_scale

3、如果将2的网络参数的param_attr和bias_attr设置去掉，再调用fluid.io.save_inference_model接口分别保存左右两个模型时，发现先保存左模型再保存右模型，和先保存右模型再保存左模型时，参数文件的名称不一样，这又是为什么呢？ 先保存左模型，再保存右模型

fluid.io.save_inference_model(model_save_dir + "_left", [feats2.name], [predict2], exe, train_prog)
fluid.io.save_inference_model(model_save_dir + "_right", [feats1.name], [predict1], exe, train_prog)

得到的参数文件如下（左右两个参数文件夹下的文件一致）： fc0.b_0 fc0.w_0 fc1.b_0 fc1.w_0 fc2.b_0 fc2.w_0 fc3.b_0 fc3.w_0 fc4.b_0 fc4.w_0 fc5.b_0 fc5.w_0 __model__ out.b_0 out.w_0 先保存右模型，再保存左模型，得到的参数文件如下： fc0.b_1 fc0.w_1 fc1.b_1 fc1.w_1 fc2.b_1 fc2.w_1 fc3.b_1 fc3.w_1 fc4.b_1 fc4.w_1 fc5.b_1 fc5.w_1 __model__ out.b_1 out.w_1