'fea_file': '../Data/criteo/processed_data/fea_col.npy',
'validate_file': '../Data/criteo/processed_data/val_set.csv',
'test_file': '../Data/criteo/processed_data/test_set.csv',
'model_name': '../TrainedModels/pnn.model'
}
if __name__ == "__main__":
####################################################################################
# PNN 模型
####################################################################################
training_data, training_label, dense_features_col, sparse_features_col = getTrainData(
pnn_config['train_file'], pnn_config['fea_file'])
train_dataset = Data.TensorDataset(
torch.tensor(training_data).float(),
torch.tensor(training_label).float())
test_data = getTestData(pnn_config['test_file'])
test_dataset = Data.TensorDataset(torch.tensor(test_data).float())
pnn = PNN(pnn_config,
dense_features_cols=dense_features_col,
sparse_features_cols=sparse_features_col)
####################################################################################
# 模型训练阶段
####################################################################################
# # 实例化模型训练器
trainer = Trainer(model=pnn, config=pnn_config)
# 训练
trainer.train(train_dataset)
# 保存模型
trainer.save()
'validate_file': '../Data/criteo/processed_data/val_set.csv',
'test_file': '../Data/criteo/processed_data/test_set.csv',
'model_name': '../TrainedModels/AFM.model'
}
if __name__ == "__main__":
####################################################################################
# AFM 模型
####################################################################################
training_data, training_label, dense_features_col, sparse_features_col = getTrainData(
afm_config['train_file'], afm_config['fea_file'])
train_dataset = Data.TensorDataset(
torch.tensor(training_data).float(),
torch.tensor(training_label).float())
test_data = getTestData(afm_config['test_file'])
test_dataset = Data.TensorDataset(torch.tensor(test_data).float())
afm = AFM(afm_config,
dense_features_cols=dense_features_col,
sparse_features_cols=sparse_features_col)
####################################################################################
# 模型训练阶段
####################################################################################
# # 实例化模型训练器
trainer = Trainer(model=afm, config=afm_config)
# 训练
trainer.train(train_dataset)
# 保存模型
trainer.save()
'fea_file': '../Data/criteo/processed_data/fea_col.npy',
'validate_file': '../Data/criteo/processed_data/val_set.csv',
'test_file': '../Data/criteo/processed_data/test_set.csv',
'model_name': '../TrainedModels/DeepCrossing.model'
}
if __name__ == "__main__":
####################################################################################
# DeepCrossing 模型
####################################################################################
training_data, training_label, dense_features_col, sparse_features_col = getTrainData(
deepcrossing_config['train_file'], deepcrossing_config['fea_file'])
train_dataset = Data.TensorDataset(
torch.tensor(training_data).float(),
torch.tensor(training_label).float())
test_data = getTestData(deepcrossing_config['test_file'])
test_dataset = Data.TensorDataset(torch.tensor(test_data).float())
deepCrossing = DeepCrossing(deepcrossing_config,
dense_features_cols=dense_features_col,
sparse_features_cols=sparse_features_col)
####################################################################################
# 模型训练阶段
####################################################################################
# # 实例化模型训练器
trainer = Trainer(model=deepCrossing, config=deepcrossing_config)
# 训练
trainer.train(train_dataset)
# 保存模型
trainer.save()
'fea_file': '../Data/criteo/processed_data/fea_col.npy',
'validate_file': '../Data/criteo/processed_data/val_set.csv',
'test_file': '../Data/criteo/processed_data/test_set.csv',
'model_name': '../TrainedModels/WideDeep.model'
}
if __name__ == "__main__":
####################################################################################
# WideDeep 模型
####################################################################################
training_data, training_label, dense_features_col, sparse_features_col = getTrainData(
widedeep_config['train_file'], widedeep_config['fea_file'])
train_dataset = Data.TensorDataset(
torch.tensor(training_data).float(),
torch.tensor(training_label).float())
test_data = getTestData(widedeep_config['test_file'])
test_dataset = Data.TensorDataset(torch.tensor(test_data).float())
wideDeep = WideDeep(widedeep_config,
dense_features_cols=dense_features_col,
sparse_features_cols=sparse_features_col)
####################################################################################
# 模型训练阶段
####################################################################################
# # 实例化模型训练器
trainer = Trainer(model=wideDeep, config=widedeep_config)
# 训练
trainer.train(train_dataset)
# 保存模型
trainer.save()