fix codes and readme

models/rank/din/model.py

@@ -69,12 +69,6 @@ class Model(ModelBase):
             name="target_cat_seq", shape=[None, seq_len], dtype="int64")
         self.data_var.append(target_cat_seq)
 
-        #if self.use_DataLoader:
-        #    self._data_loader = fluid.io.DataLoader.from_generator(
-        #        feed_list=self.data_var,
-        #        capacity=10000,
-        #        use_double_buffer=False,
-        #        iterable=False)
         train_inputs = [hist_item_seq] + [hist_cat_seq] + [target_item] + [
             target_cat
         ] + [label] + [mask] + [target_item_seq] + [target_cat_seq]

models/rank/readme.md

@@ -59,7 +59,6 @@
 ## 使用教程(快速开始)
 使用样例数据快速开始，参考[训练](###训练) & [预测](###预测)
 ## 使用教程(复现论文)
-### 注意
 为了方便使用者能够快速的跑通每一个模型，我们在每个模型下都提供了样例数据，并且调整了batch_size等超参以便在样例数据上更加友好的显示训练&测试日志。如果需要复现readme中的效果请按照如下表格调整batch_size等超参，并使用提供的脚本下载对应数据集以及数据预处理。
 |       模型       |       batch_size      |       thread_num      |       epoch_num      |
 | :------------------: | :--------------------: | :--------------------: | :--------------------: |
@@ -89,7 +88,7 @@ python -m paddlerec.run -m ./config.yaml # 自定义修改超参后，指定配
 # 修改对应模型的config.yaml，mode配置infer_runner
 # 示例: mode: runner1 -> mode: infer_runner
 # infer_runner中 class配置为 class: single_infer
-# 如果训练阶段和预测阶段的模型输入一直phase不需要改动，复用train的即可
+# 如果训练阶段和预测阶段的模型输入一致，phase不需要改动，复用train的即可
 
 # 修改完config.yaml后 执行:
 python -m paddlerec.run -m ./config.yaml # 以DNN为例

models/rank/xdeepfm/config.yaml

@@ -16,13 +16,13 @@ workspace: "paddlerec.models.rank.xdeepfm"
 
 dataset:
   - name: sample_1
-    type: QueueDataset #或者QueueDataset
+    type: QueueDataset #或者DataLoader
     batch_size: 5
     data_path: "{workspace}/data/sample_data/train"
     sparse_slots: "label feat_idx"
     dense_slots: "feat_value:39"
   - name: infer_sample
-    type: QueueDataset #或者QueueDataset
+    type: QueueDataset #或者DataLoader
     batch_size: 5
     data_path: "{workspace}/data/sample_data/train"
     sparse_slots: "label feat_idx"