随笔分类 - learning-eat-pytorch-20-days
摘要：DeepFM继承了Wide&Deep的主体结构，将高低特征进行融合。其主要创新点有2个。一是将Wide部分替换成了 FM结构，以更有效的捕获特征交互interaction；二是FM中的隐向量 和 Deep部分的 embedding 向量共享权重，减少模型复杂性。
阅读全文
摘要：nanoGPT - learning。
阅读全文
摘要：FM算法全称为因子分解机 (FactorizationMachine)。它是广告和推荐领域非常著名的算法，在线性回归模型上考虑了特征的二阶交互。适合捕捉大规模稀疏特征(类别特征)当中的特征交互。
阅读全文
摘要：当参数迭代过程成为训练时间的主要瓶颈时，我们通常的方法是应用GPU来进行加速。
阅读全文
摘要：Pytorch通常需要用户编写自定义训练循环，训练循环的代码风格因人而异。
阅读全文
摘要：可以使用以下3种方式构建模型：
1，继承nn.Module基类构建自定义模型。
2，使用nn.Sequential按层顺序构建模型。
3，继承nn.Module基类构建模型并辅助应用模型容器进行封装(nn.Sequential,nn.ModuleList,nn.ModuleDict)。
其中 第1种方式最为常见，第2种方式最简单，第3种方式最为灵活也较为复杂。
阅读全文
摘要：Dataset和DataLoader。
阅读全文
摘要：nn.functional和nn.Module。
阅读全文
