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

continuous_value_model - 图1 （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 continuous_value_model - 图2 和 continuous_value_model - 图3 ，输出的形状为 continuous_value_model - 图4 。如果 use_cvm=False ，它会从输入 input 中移除show和click，输出的形状为 continuous_value_model - 图5 。 cvm 为show和click信息，维度为 continuous_value_model - 图6 。

  • 参数：
    • input (Variable) - cvm操作的输入张量。维度为 continuous_value_model - 图7 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 continuous_value_model - 图8 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，

continuous_value_model - 图9 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:

  1. import paddle.fluid as fluid
  2. input = fluid.layers.data(name="input", shape=[-1, 1], lod_level=1, append_batch_size=False, dtype="int64")
  3. label = fluid.layers.data(name="label", shape=[-1, 1], append_batch_size=False, dtype="int64")
  4. embed = fluid.layers.embedding(
  5.                         input=input,
  6.                         size=[100, 11],
  7.                         dtype='float32')
  8. ones = fluid.layers.fill_constant_batch_size_like(input=label, shape=[-1, 1], dtype="int64", value=1)
  9. show_clk = fluid.layers.cast(fluid.layers.concat([ones, label], axis=1), dtype='float32')
  10. show_clk.stop_gradient = True
  11. input_with_cvm = fluid.layers.continuous_value_model(embed, show_clk, True)