复现推荐系统论文的代码结果（深度学习，Pytorch，Anaconda）

以Disentangling User Interest and Conformity for Recommendation with Causal Embedding这篇文章的代码为例，代码地址在：GitHub - tsinghua-fib-lab/DICE: The official implementation of "Disentangling User Interest and Conformity for Recommendation with Causal Embedding" (WWW '21)

先在github上把代码clone下来，解压缩。用Pycharm导入项目。在可以真正运行这个代码之前，有许多工作要做。

首先在Pycharm中切换python解释器，这里用之前预先准备好的在anaconda里建立的含pytorch、机器学习库等基础第三方库的环境，python版本为3.8。

项目还用到了许多第三方的包，而自己的电脑环境里没有。在Pycharm里找到标红的import代码，在anaconda里的开启终端，切换到我们预设的环境里。输入以下命令安装对应缺失的第三方库。

pip install xxxx

可能出现的问题是，下载速度较慢，那么就使用代理。

pip install package_name --proxy http://127.0.0.1:7890

package_name改成自己要安装的包名。这个方法是针对有代理工具的朋友，如果你看不懂我在说什么，那么就去找镜像源，百度搜索 给python设置镜像源 的教程。之前在anaconda设置过代理，但是那个代理只对conda命令起效，对pip命令没有效果。

这个项目里有一个第三方库，直接用pip安装是安装不了的，因为它只提供了Linux和MacOs版。好在通过询问new bing，找到了windows安装的方法（时代变了，人工智能牛逼）。安装完全部缺失的第三方库，应当不再有标红的代码。

修改代码里的绝对路径，把DICE/src/config/const.py里的m110m和nf数据集路径都改成自己的。

ml10m = '/home/zhengyu/workspace/DICE/data/ml10m/output/'
nf = '/home/zhengyu/workspace/DICE/data/netflix/output/'

m110m='D:/DICE/data/m110m/output'
nf='D:/DICE/data/netflix/output'

注意直接从windows资源管理器地址栏里复制的路径是反斜杠'\'，要手动把它切换为正斜杠'/'才行。另一处要修改路径的地方在app.py文件下，输出结果的路径。

flags.DEFINE_string('output', '/home/zhengyu/workspace/DICE/output/', 'Directory to save model/log/metrics.')

改为
flags.DEFINE_string('output', 'D:/DICE/output/', 'Directory to save model/log/metrics.')

在运行项目之前，还需要安装一个东西。本文用到了visdom这个绘图工具包，用来在训练过程中可视化loss，recall等数据。用pip install visdom安装这个工具包。但是在使用python -m visdom.server命令开启visdom服务的时候，会显示需要下载某些资源，等半天也下载不了。直接把报错提示粘贴到百度去搜，得到解决方案，把源码里的一个download函数注释掉，然后去下别人提供的static资源，替换掉原来自带的static文件夹。目前来看这是一个老版本没有，而新版本visdom才有的问题，应当是国内特有的网络环境导致的，未来是否会修复也不清楚。

现在visdom和代码都准备好了，尝试运行项目。本文作者的教程只给了两个很简单的命令，一个是

visdom -port 33336

这条命令是开启visdom服务，并且设置运行端口为33336.开启成功后，通过localhost:33336进入web GUI页面。

第二条命令是

python app.py --flagfile ./config/xxx.cfg

执行这条命令之前，要先用cd切换到app.py所在的目录下。xxx.cfg就填config文件夹里的文件名，比如想运行DICE模型，数据集是netfilx，那么就是nf_dice.cfg