![](https://img-blog.csdnimg.cn/20201014180756738.png?x-oss-process=image/resize,m_fixed,h_64,w_64)
推荐算法
零落_World
https://github.com/cdj0311
展开
-
tensorflow定义多个优化器加速Embedding的训练
在遇到大规模推荐算法训练时,我们常常会有不同种类的特征,大体上可分为稀疏特征和稠密特征两类。稀疏特征一般会经过Embedding转为稠密特征再传入全连接层。然而,当稀疏特征中包含大量ID类特征时,由于其原始维度非常高(如UserID几乎都是千万级以上),训练如此庞大的Embedding时会非常缓慢。一种解决方案是增大学习率,但学习率过大又会影响稠密特征(如一些向量特征)的训练,所以可以设计两个优化器分别以不同的学习率去优化稀疏Embedding和稠密特征。这里以tf.estimator + tf.f原创 2020-07-10 11:13:32 · 2845 阅读 · 1 评论 -
多任务学习在推荐算法中的应用
转载自:https://blog.csdn.net/hellozhxy/article/details/103979929转载 2020-07-07 15:54:09 · 214 阅读 · 0 评论