一、DCN网络简介
DCN算法是2017年由斯坦福大学提出,其主要目的是,为了减少人工特征工程的繁琐工作,cross network能有效的学习bounded-degree的特征交互,且每一层都实现feature crossing,且参数量较dnn而言少近一个数量级。
论文地址为:https://link.zhihu.com/?target=https%3A//arxiv.org/pdf/1708.05123.pdf
其结构图为
这篇论文重点是提出了cross layer的概念,其核心思想是以有效的方式进行显示的特征交叉,结构图如下
二、代码展示
1、cross layer
#@tf.function
def cross_layer(x0, xl):
embed_dim = xl.shape[-1]
w = tf.Variable(tf.random.truncated_normal(shape=(embed_dim,), stddev=0.01),trainable=True)