我正在关注 TFRS (TensorFlow Recommenders) 库中的 Retrieval tutorial,但我在这部分感到困惑:
class MovielensModel(tfrs.Model):
def __init__(self, user_model, movie_model):
super().__init__()
self.movie_model: tf.keras.Model = movie_model
self.user_model: tf.keras.Model = user_model
self.task: tf.keras.layers.Layer = task
def compute_loss(self, features: Dict[Text, tf.Tensor], training=False) -> tf.Tensor:
# We pick out the user features and pass them into the user model.
user_embeddings = self.user_model(features["user_id"])
# And pick out the movie features and pass them into the movie model,
# getting embeddings back.
positive_movie_embeddings = self.movie_model(features["movie_title"])
# The task computes the loss and the metrics.
return self.task(user_embeddings, positive_movie_embeddings)
接下来是:
model = MovielensModel(user_model, movie_model)
model.compile(optimizer=tf.keras.optimizers.Adagrad(learning_rate=0.1))
我对这些代码块有疑问:
user_embeddings = self.user_model(features["user_id"])
(还有 (self.movie_model(features["movie_title"])
) 时,似乎 features
是一个字典,但在教程之前的任何部分都没有定义。我也检查了 { {1}} 源代码 here,看看它是该方法的属性还是什么,但我也没有找到任何东西......所以我的问题是,什么是 compute_loss
?如何代码能否正常运行,运行之前未定义的代码?我在课堂外尝试过,只运行以下命令:features
当然,说 user_model(features["user_id"])
未定义是行不通的. 但是为什么它在类被实例化之后又在编译时起作用呢?(上面的第二段代码)。非常感谢!