continuous_value_model

paddle.fluid.layers. continuous_value_model ( input, cvm, use_cvm=True ) [源代码]

注意:该OP仅支持在CPU运行。

该OP在CTR项目中,用于去除或处理 input 中的展示和点击值。

输入 input 是一个含展示(show)和点击(click)的词向量,其形状为 \([N, D]\) (N为batch大小,D为 2 + 嵌入维度 ),show和click占据词向量D的前两维。如果 use_cvm=True,它会计算 \(log(show)\)\(log(click)\),输出的形状为 \([N, D]\)。如果 use_cvm=False,它会从输入 input 中移除show和click,输出的形状为 \([N, D - 2]\)cvm 为show和click信息,维度为 \([N, 2]\)

参数

  • input (Variable) - cvm操作的输入张量。维度为 \([N, D]\) 的2-D LoDTensor。 N为batch大小,D为 2 + 嵌入维度lod level = 1

  • cvm (Variable) - cvm操作的展示和点击张量。维度为 \([N, 2]\) 的2-D Tensor。 N为batch大小,2为展示和点击值。

  • use_cvm (bool) - 是否使用展示和点击信息。如果使用,输出维度和输入相等,对 input 中的展示和点击值取log;如果不使用,输出维度为输入减2(移除展示和点击值)。

返回

Variable(LoDTensor)变量,\([N, M]\) 的2-D LoDTensor。如果 use_cvm=True ,M等于输入的维度D,否则M等于 D - 2

返回类型

变量(Variable),数据类型与 input 一致。

代码示例

import paddle.fluid as fluid
input = fluid.data(name="input", shape=[64, 1], dtype="int64")
label = fluid.data(name="label", shape=[64, 1], dtype="int64")
embed = fluid.layers.embedding(
                  input=input,
                  size=[100, 11],
                  dtype='float32')
ones = fluid.layers.fill_constant_batch_size_like(input=label, shape=[-1, 1], dtype="int64", value=1)
show_clk = fluid.layers.cast(fluid.layers.concat([ones, label], axis=1), dtype='float32')
show_clk.stop_gradient = True
input_with_cvm = fluid.layers.continuous_value_model(embed, show_clk, True)