提交 42624cb4 编写于 作者: D dayhaha 提交者: Yu Yang

small details

上级 cbd5d274
...@@ -40,7 +40,9 @@ MovieLens数据集评分回归模型 ...@@ -40,7 +40,9 @@ MovieLens数据集评分回归模型
ml-1m的字段配置文件在目录 :code:`demo/recommendation/data/config.json` 中。 ml-1m的字段配置文件在目录 :code:`demo/recommendation/data/config.json` 中。
其具体说明了字段类型和文件名称: 其具体说明了字段类型和文件名称:
1) 用户文件中有四种类型的字段\: 编号,性别,年龄和职业; 1) 用户文件中有四种类型的字段\: 编号,性别,年龄和职业;
2) 文件名称为"users.dat",文件的分隔符为"::"。 2) 文件名称为"users.dat",文件的分隔符为"::"。
.. include:: ../../../demo/recommendation/data/config.json .. include:: ../../../demo/recommendation/data/config.json
...@@ -96,22 +98,22 @@ Meta配置文件 ...@@ -96,22 +98,22 @@ Meta配置文件
* 在电影文件movies.dat中 * 在电影文件movies.dat中
* 我们仅用"::"来分隔每一行 * 我们仅用"::"来分隔每一行
* pos 0 代表编号 * pos 0 代表编号
* pos 1 特征: * pos 1 特征:
* name是电影名 * name是电影名
* 利用正则表达式来解析该特征 * 利用正则表达式来解析该特征
* 基于字母的词嵌入特征 * 基于字母的词嵌入特征
* 是序列 * 是序列
* pos 2 特征: * pos 2 特征:
* name是体裁 * name是体裁
* type是one hot稠密向量 * type是one hot稠密向量
* dictionary由解析自动生成,每一个key由'|'分隔 * dictionary由解析自动生成,每一个key由'|'分隔
* 在用户文件users.dat中 * 在用户文件users.dat中
* 我们仅用"::"来分隔每一行 * 我们仅用"::"来分隔每一行
* pos 0 代表编号 * pos 0 代表编号
* pos 1 特征: * pos 1 特征:
* name是性别 * name是性别
* 简单的基于字母的词嵌入 * 简单的基于字母的词嵌入
* pos 2 特征: * pos 2 特征:
* name是年龄 * name是年龄
* 是整个的词嵌入 * 是整个的词嵌入
...@@ -135,7 +137,7 @@ meta文件 :code:`meta.bin` 的结构如下: ...@@ -135,7 +137,7 @@ meta文件 :code:`meta.bin` 的结构如下:
.. code-block:: text .. code-block:: text
+--+ movie +--+ movie
| +--+ __meta__ | +--+ __meta__
| | +--+ raw_meta # 每个特征的meta配置。列表 | | +--+ raw_meta # 每个特征的meta配置。列表
| | | + | | | +
...@@ -229,7 +231,7 @@ meta文件 :code:`meta.bin` 的结构如下: ...@@ -229,7 +231,7 @@ meta文件 :code:`meta.bin` 的结构如下:
* :code:`id` \: 仅仅是简单的嵌入,然后添加一个全连接层。 * :code:`id` \: 仅仅是简单的嵌入,然后添加一个全连接层。
* :code:`embedding` \: * :code:`embedding` \:
- 如果是序列,则先做嵌入,然后再做一次文本卷积网络操作, - 如果是序列,则先做嵌入,然后再做一次文本卷积网络操作,
然后得到平均采样的结果 然后得到平均采样的结果
- 如果不是序列,则先做嵌入,然后添加一个全连接层。 - 如果不是序列,则先做嵌入,然后添加一个全连接层。
* :code:`one_host_dense` \: * :code:`one_host_dense` \:
- 仅仅是两个全连接层。 - 仅仅是两个全连接层。
...@@ -246,7 +248,7 @@ meta文件 :code:`meta.bin` 的结构如下: ...@@ -246,7 +248,7 @@ meta文件 :code:`meta.bin` 的结构如下:
* 采样层, :ref:`api_trainer_config_helpers_layers_pooling_layer` * 采样层, :ref:`api_trainer_config_helpers_layers_pooling_layer`
* 余弦相似度层, :ref:`api_trainer_config_helpers_layers_cos_sim` * 余弦相似度层, :ref:`api_trainer_config_helpers_layers_cos_sim`
* 文本卷积采样层, :ref:`api_trainer_config_helpers_network_text_conv_pool` * 文本卷积采样层, :ref:`api_trainer_config_helpers_network_text_conv_pool`
* 声明Python数据源, :ref:`api_trainer_config_helpers_data_sources` . * 声明Python数据源, :ref:`api_trainer_config_helpers_data_sources`
数据提供脚本 数据提供脚本
''''''''''' '''''''''''
...@@ -260,9 +262,9 @@ meta文件 :code:`meta.bin` 的结构如下: ...@@ -260,9 +262,9 @@ meta文件 :code:`meta.bin` 的结构如下:
* obj.slots\: 特征的类型和维度。 * obj.slots\: 特征的类型和维度。
* use_seq\: :code:`dataprovider.py` 中的数据是否为序列模式。 * use_seq\: :code:`dataprovider.py` 中的数据是否为序列模式。
* process\: 返回数据的每一条样本给 :code:`paddle` . * process\: 返回数据的每一条样本给 :code:`paddle`
数据提供脚本的细节文档可以参考 :ref:`api_pydataprovider` . 数据提供脚本的细节文档可以参考 :ref:`api_pydataprovider`
训练 训练
```` ````
...@@ -287,9 +289,9 @@ meta文件 :code:`meta.bin` 的结构如下: ...@@ -287,9 +289,9 @@ meta文件 :code:`meta.bin` 的结构如下:
* trainer_count\: 一台机器上面的线程数量。 * trainer_count\: 一台机器上面的线程数量。
* test_all_data_in_one_period\: 每一个测试周期测试一次所有数据。否则, * test_all_data_in_one_period\: 每一个测试周期测试一次所有数据。否则,
每个测试周期测试: code:`batch_size` 批次的数据。 每个测试周期测试: code:`batch_size` 批次的数据。
* log_period\: 在训练了: code:`log_period` 批次后打印日志. * log_period\: 在训练了: code:`log_period` 批次后打印日志
* dot_period\: 在每训练: code:`dot_period` 个批次后打印一个 :code:`.` . * dot_period\: 在每训练: code:`dot_period` 个批次后打印一个 :code:`.`
* num_passes\: 训练至多: code:`num_passes` 轮. * num_passes\: 训练至多: code:`num_passes` 轮
如果训练过程启动成功的话,输出应该类似如下: 如果训练过程启动成功的话,输出应该类似如下:
......
Markdown is supported
0% .
You are about to add 0 people to the discussion. Proceed with caution.
先完成此消息的编辑!
想要评论请 注册