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 \(log(show)\) 和 \(log(click)\) ，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.layers.data(name="input", shape=[-1, 1], lod_level=1, append_batch_size=False, dtype="int64")
label = fluid.layers.data(name="label", shape=[-1, 1], append_batch_size=False, dtype="int64")
embed = fluid.layers.embedding(
                        input=input,
                        size=[100, 11],
                        dtype='float32')
label_shape = fluid.layers.shape(label)
ones = fluid.layers.fill_constant(shape=[label_shape[0], 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)