MaYingColdPlay的博客

中的-1表示""，这就是操作。

但是,我用另外一个命令,显示的cuda版本是12。显示的cuda版本也是11.5。显示cuda是11.5。

tf.squeeze是降维，把维度为1的去掉，我的理解是，这个代码把dense feature和sparse feature在数据预处理时放到了一起，在进行embedding look up时，dense feature的维度为1(index id为同一个值)，因此要进行过滤。而每个sparse feature的维度不一样，用 tf.expand_dims把维度拉齐。在git上的FM开源代码中看到了这样子的用法。

例如EPOCH_NUM=18，PREDICT_NUM=20，batch_size=1024，every_n_step=10万，训练样本条数=1.49亿。EPOCH_NUM是指训练数据循环18轮，PREDICT_NUM是指预测前20个保存的模型。训练样本条数*EPOCH_NUM/(batch_size*every_n_step)=checkpoint保存模型的个数。例如，上面的数据，every_n_step是每运行多少步保存一个checkpoint，模型走一步是走了一个batch_size，即

https://blog.youkuaiyun.com/cetrol_chen/article/details/79152449?utm_medium=distribute.pc_relevant.none-task-blog-baidujs_title-0&spm=1001.2101.3001.4242最后在命令行运行tensorboard --logdir=tmp/tensorflow_logs

1. l1/l2正则化https://blog.youkuaiyun.com/huqinweI987/article/details/82957034

tf.train.MonitoredTrainingSessionhttps://blog.youkuaiyun.com/MrR1ght/article/details/81006343

https://www.bilibili.com/video/BV1cx411q7n8?from=search&seid=3896871689829713351