tongchenkeji
发表于：0次点击

机器学习PAI easyrec做TagFeature特征输入时，怎么配置不做embedding层？[阿里云机器学习PAI]

机器学习PAI easyrec做TagFeature特征输入时，怎么配置不做embedding层，直接将特征原值作为输入？不要使用Excel特征配置

「点点赞赏，手留余香」

    还没有人赞赏，快来当第一个赞赏的人吧！
机器学习PAI# 人工智能平台 PAI1410# 机器学习深度学习1219
=====这是一个广告位，招租中，联系qq 78315851====
机器学习PAI
机器学习PAI想咨询一下，是否支持不做embedding层，直接将特征原值作为输入呢？[阿里云机器学习PAI]
机器学习PAI
请问下机器学习PAI如果不用阿里云的服务RTP，那推理是不是就用原生的tf_serving就可以了？[阿里云机器学习PAI]
3 条回复 A 作者 M 管理员

  1. 在机器学习PAI中，EasyRec处理TagFeature特征时，如果不想使用embedding层，而是直接将特征原值作为输入，可以通过以下步骤进行配置：

    1. 首先，您需要创建一个RawFeature类型的字段，用于存储原始的标签信息。例如，如果您的标签信息是”体育，娱乐，科技”这样的字符串，那么您可以创建一个RawFeature类型的字段，将这些标签信息存储在这个字段中。

    2. 然后，在模型配置中，找到对应的特征配置部分。在这里，您可以指定这个RawFeature类型的字段作为模型的输入特征。

    3. 最后，由于您不想使用embedding层，所以在特征配置中，您需要将embedding_size设置为0。这样，模型在训练过程中就不会对这个特征进行embedding操作了。

    通过以上步骤，您就可以实现在EasyRec中使用TagFeature特征，但不使用embedding层，而是直接将特征原值作为输入的配置了。

    已喜欢 已反对

  2. 在阿里云的机器学习PAI（Platform for AI Innovation）中，如果你想在easyrec中使用TagFeature并且不进行embedding层，你可以直接在模型的定义文件中配置。

    在PAI的easyrec模型中，TagFeature是一个特殊的特征，它不会被embedding层处理，而是直接被输入到模型中。你可以在模型的定义文件中设置is_tag_feature字段为True，这样就可以将这个特征设置为TagFeature。

    以下是一个示例：

    {    "name": "EasyRec",    "type": "EasyRecModel",    "inputs": [        {            "name": "user_id",            "type": "int64",            "is_sparse": false,            "is_tag_feature": true        },        {            "name": "item_id",            "type": "int64",            "is_sparse": false,            "is_tag_feature": true        }    ],    "outputs": [        {            "name": "prediction",            "type": "float32"        }    ]}

    在这个示例中，user_id和item_id都被设置为TagFeature，它们的值将被直接输入到模型中，而不经过embedding层。

    已喜欢 已反对

  4. 在使用机器学习PAI easyrec训练模型时，可以使用 TagFeature 类型来输入原始特征值。在训练时，TagFeature 类型可以将原始特征值转换为可训练的形式。此外，还需要将 tag_column 和 embedding_size 参数设置为适当的值。需要注意的是，TagFeature 不支持嵌套结构，只能用于字符串类型的特征。总之，在机器学习PAI easyrec中，可以使用 TagFeature 类型来输入原始特征，并将tag_column 和 embedding_size 设置为适当的值。

    已喜欢 已反对