你好，我在你的代码基础上做了调试，有一点不知是否合适的想法想向你请教。你之前发现没有收敛，我猜想原因主要是因为ReLU函数的输出是[0, x]，但是最后合并后的特征值，使用的是Sigmoid函数，Sigmoid函数的输入范围是[-1,+1]，于是导致了Deep部分计算的特征值丢失，所以可能无法收敛。
推荐系统之Wide&Deep模型原理以及代码实践简介 本文要介绍的是Google于2016年提出的Wide&Deep模型，此模型的提出对业界产生了非常大的影响，不仅其本身成功地应用在多家一线互联网公司，而且其后续的改进工作...
简介 本文是对Neural Collaborative Filtering[https://arxiv.org/pdf/1708.05031.pdf]这篇论文的一个简单概括，...
@HaloZhang 好的。我再排查一下数据的问题。
推荐系统之Deep Crossing模型原理以及代码实践简介 本文要介绍的Deep Crossing模型是由微软研究院在论文《Deep Crossing: Web-Scale Modeling without Manually C...
一共要训练30轮。这是随后两轮。明显已经过拟合了。但Validating Loss就没有下降过。
-------------------- Epoch 28 starts --------------------
Training Epoch: 28, Avg Loss: 0.000003
Validating, Avg loss: 0.083453
-------------------- Epoch 29 starts --------------------
Training Epoch: 29, Avg Loss: 0.000003
Validating, Avg loss: 0.084199
推荐系统之Deep Crossing模型原理以及代码实践简介 本文要介绍的Deep Crossing模型是由微软研究院在论文《Deep Crossing: Web-Scale Modeling without Manually C...
我在你的代码中加入了Validate数据集，用来验证泛化能力，发现使用Val数据集的Loss并没有伴随每轮训练而降低。不知道是算法问题还是代码问题。请帮忙分析一下。另外我把Embedding层的维数从8改到了16。
推荐系统之Deep Crossing模型原理以及代码实践简介 本文要介绍的Deep Crossing模型是由微软研究院在论文《Deep Crossing: Web-Scale Modeling without Manually C...
