# xDeepFM for CTR Prediction ## 简介 使用PaddlePaddle复现论文 "xDeepFM: Combining Explicit and Implicit Feature Interactions for Recommender Systems" 。论文[开源代码](https://github.com/Leavingseason/xDeepFM) 。 ## 数据集 demo数据集,在data目录下执行命令,下载数据 ```bash sh download.sh ``` ## 环境 - PaddlePaddle 1.5 ## 单机训练 ```bash python local_train.py --model_output_dir models ``` 训练过程中每隔固定的steps(默认为50)输出当前loss和auc,可以在args.py中调整print_steps。 ## 单机预测 ```bash python infer.py --model_output_dir models --test_epoch 10 ``` test_epoch设置加载第10轮训练的模型。 注意:最后的 log info是测试数据集的整体 Logloss 和 AUC。 ## 单机结果 训练集训练10轮后,测试集的LogLoss : `0.48657` 和 AUC : `0.7308`。 ## 多机训练 运行命令本地模拟多机场景,默认使用2 X 2模式,即2个pserver,2个trainer的方式组网训练。 数据下载同上面命令。 ```bash sh cluster_train.sh ``` 参数说明: - train_data_dir: 训练数据目录 - model_output_dir: 模型保存目录 - is_local: 是否单机本地训练(单机模拟多机分布式训练是为0) - is_sparse: embedding是否使用sparse。如果没有设置,默认是False - role: 进程角色(pserver或trainer) - endpoints: 所有pserver地址和端口 - current_endpoint: 当前pserver(role是pserver)端口和地址 - trainers: trainer数量 其他参数见cluster_train.py 预测 ```bash python infer.py --model_output_dir cluster_model --test_epoch 10 --use_gpu=0 ``` 注意: - 本地模拟需要关闭代理,e.g. unset http_proxy, unset https_proxy - 0号trainer保存模型参数 - 每次训练完成后需要手动停止pserver进程,使用以下命令查看pserver进程: >ps -ef | grep python - 数据读取使用dataset模式,目前仅支持运行在Linux环境下