Deep_Rank是一套从数据生成到模型生成的完整框架。对输入特征，特征工程，核心模型，模型输出分别进行了封装。 模型更新迭代的时候可以针对性的修改指定模块，也方便后续模型的切换，特征的迭代，以及输入数据在输入，特征工程，保存模型，线上服务各个模块的统一配置。本库对一些经典的ctr预估模型进行了复现，方便自己在工作中迭代优化模型。
利用 tfrecords/ 下的代码可以很方便的利用spark集群将数仓经过ETL的hive表训练数据转化成frecords格式，并存储HDFS上。
配置训练数据中的字段，可以只选择模型需要的字段；
格式：
"user_id":
{
"feature_type": "fixed_len",
"value_type": "int",
"default_value": 0
}
字段名为key;
feature_type：tensorflow特征类型，当前所有模型使用的是fixed_len;
value_type：特征值的类型，当前支持{'string', 'int', 'double'},
可以在train_model.py#19 函数get_input_schema_spec中添加/修改;
default_value: 该特征值的默认填充值，类型需要和value_type一致；
配置模型中特征的形式，使用tensorflow FeatureColumns API实现；
具体支持的FeatureColumns包括：
"categorical_column_with_hash_bucket"
"numeric_column"
"embedding_column"
"categorical_column_with_vocabulary_list"
"categorical_column_with_identity"
"indicator_column"
"bucketized_column"
"shared_embedding_columns"
"crossed_column"
"NumericColumnV2" (这个是修改的原始numeric_column，用来自适应学习缺失值，具体思路可以看源码)
配置格式：
{
"name": "IndicatorColumn",
"parameters":
{
"input_tensor": "u_sc_gender_hashbucket",
"output_tensor": "u_sc_gender_indicator",
"wide_or_deep": "deep"
}
}
input_tensor：定义输入名
output_tensor：定义输出名
wide_or_deep：用于wd，deepfm的wide侧和deep侧区分;
如果只是中间特征，不作为最后的输出则不填;
其他模型默认只取"deep"值特征;
din，dien等模型，用于attention的sequence特征和目标id不需要在model_feature.json进行配置;
本文件存放模型核心代码，所有代码继承BaseModel类，底层使用tensorflow的FeatureColumns实现统一的embedding层。上层利用tensorlfow的Layers实现核心模型结构，最后把模型封装成Esitmator，输出统一的estimator_spec接口。
已经实现好的模型有以下几个：
DNN 实现的是一个简单的embedding+MLP，方便调试整体代码，在model_feature.json中配置wide_or_deep参数值 "deep";
Deep Cross Network(DCN) 在model_feature.json中只需配置deep特征，croos层和deep层同用统一的embeddig层。
对应算法论文[click here]
Wide and Deep Network(WD)需要在model_feature.json配置wide侧和deep侧对应的特征。
对应算法论文[click here]
Deep Interest Network(DIN)的上下文特征和基础画像特征需要配置model_feature.json中，统一使用"deep"特征,其中需要做attention的sequence和sequence对应的目标id不需要配置在model_feature.json中，直接配置在模型参数中。
在对应算法论文[click here]
Entire Space Multi-Task Model(ESMM)也一样，默认只使用"deep"特征。
对应算法论文[click here]
Deep Interest Evolution Network(DIEN)和DIN一样，序列特征和序列对应目标id需要在模型中写。
这里为了实现方便，序列的负采样部分没有按照原始论文的方式单独使用一份负采样的item数据集，而是直接使用同一个batch中的其他sequence作为当前的负采样序列。
对应算法论文[click here]
DeepFM的wide侧放线性特征，deep侧放的是统一的MLP和FM的特征，所有这里必须保证deep特征全部是embedding特征，并且embedding维度全部一致。这里后续会优化一下，对一些数值特征做优化，方便扩展。
对应算法论文[click here]
xDeepFM的参数配置和deepFM类似，wide侧放线性特征，deep侧放的是统一的MLP和CIN特征，所有这里必须保证deep特征全部是embedding特征，并且embedding维度全部一致。
对应算法论文[click here]
DSSM需要在wide和deep侧分别放置user info和item info。
对应算法论文[click here]
youtube_net本文是youtube提出的排序模型 "Recommending What Video to Watch Next: A Multitask Ranking System"，不知道叫啥，所以直接叫youtube_net了。
对应算法论文[click here]
后续利用空闲时间和节假日会持续添加新算法
直接运行主函数
`python train_model.py`
部分实现参考了:
x-deeplearning的xdl-algorithm-solution: [click here]
脚本配置方式：[click here]
esmm实现:[click here]
tensorflow自带的分类器: [click here]
xDeepFM实现:click_here
MMoE实现：click_here
代码实现的问题：
代码实现为了方便调试，DIN，DIEN中的所有的序列特征都只用了id，可自行添加类目序列，产品词序列等边界信息
存放tfrecords文件的生成和使用代码
利用spark读取数据保存成tfrecods这里提供两个思路。
1.如果集群上已经安装了tensorflow，可以用本文件下的代码进行处理。
2.对于没有安装tensorflow的集群，可以参考:spark-tensorflow-connector 来将数据转换成tfrecords。这个更快。
-------------------------以下已经删除或弃用--------------------------------
所以这里我自己实现了一个wide&deep模型。支持连续特征，类别特征，embedding特征，特征交叉等常见操作，也支持list特征以及各种数据类型。能很方便的将生成的模型export，以及支持分布式训练。
修改模型的核心代码可以很方便的扩展到其他DNN模型，现在暂时只支持Wide，DNN，WD三类。
实现esmm模型
便于迭代模型，以及之前脚本代码写的有点乱，部分同学反馈代码不是很优雅。所以针对性的进行了优化。
- 配置config/inputs.json，配置好输入的字段，以及需要做的操作，以及相对应的操作
- 配置好对应的路径
- 运行train_wd_model.py即可。
存放模型配置文件