学习填坑记录

1、tf.keras.layers.Lambda()——匿名函数层解析

https://www.codenong.com/cs105908829/

作用：可以对输入的tensor进行处理

2、tf.keras.layers.experimental.preprocessing.Discretization

https://www.tensorflow.org/api_docs/python/tf/keras/layers/experimental/preprocessing/Discretization

可以对数值型数据进行边界分桶特征处理

3、keras.layers.experimental.preprocessing.IntegerLookup

https://www.tensorflow.org/api_docs/python/tf/keras/layers/experimental/preprocessing/IntegerLookup

作用：可以对数值型特征进行oneHot或者multihot编码处理

4、keras.layers.Multiply()

https://keras.io/zh/layers/merge/

作用：

计算输入张量列表的（逐元素间的）乘积。

它接受一个张量的列表， 所有的张量必须有相同的输入尺寸， 然后返回一个张量（和输入张量尺寸相同）。

5、mlr——带有注意力机制的lr

https://zhuanlan.zhihu.com/p/129582122

对lr分段加权

6、tf.add_n函数的用法

https://blog.youkuaiyun.com/UESTC_C2_403/article/details/72808839

作用：

实现一个列表的元素的相加。就是输入的对象是一个列表，列表里的元素可以是向量，矩阵，等

7、keras在特征处理时做特征交叉

fea1 = tf.keras.layers.Input(shape=(1,), name="fea1", dtype=tf.int64)
fea2= tf.keras.layers.Input(shape=(1,), name="fea2", dtype=tf.int64)
fea1_x_fea2_layer = tf.keras.layers.experimental.preprocessing.CategoryEncoding(max_tokens=200)(
    tf.keras.layers.experimental.preprocessing.Hashing(num_bins=200)(inputs=[fea1, fea2]))

8、因子分解机模型——poly2

https://zhuanlan.zhihu.com/p/153500425

9、keras.layers.Dot

https://keras.io/zh/layers/merge/

两个向量求点积，即得到一个标量。

10、keras.layers.Add()

https://www.yaohong.vip/post/machinelearning/howtensorflowkerasaddtwolayer/

两个tensor（shape相同）求和，各元素求和。

11、layers.Layer.add_weight(shape=(input_dim, unit),
                                     initializer=keras.initializers.RandomNormal(),
                                     trainable=True)

https://zhuanlan.zhihu.com/p/59481536

构建权重

12、tf.nn.embedding_lookup

https://www.zhihu.com/question/52250059

作用：根据给定的key（index）从提前layers.Layer.add_weight中获取对应位置的参数值

13、keras.layers.Embedding和keras.layers.Flatten

keras.layers.Embedding(
    input_dim=1000, output_dim=10)

会生成