Vowpal Wabbit: невозможно извлечь скрытые факторы с помощью gd_mf_weights из обученной модели --rank - PullRequest
Новая
       102

Vowpal Wabbit: невозможно извлечь скрытые факторы с помощью gd_mf_weights из обученной модели --rank

0 голосов
/ 08 мая 2019

Я натренировал модель ранга 40 на данных movielens, но не могу получить веса из обученной модели с помощью gd_mf_weights. Я придерживаюсь синтаксиса из примера матричной факторизации VW, но он дает мне ошибки. Пожалуйста, сообщите.

Модель учебного звонка: vw --rank 40 -q ui --l2 0.1 --learning_rate 0.015 --decay_learning_rate 0.97 --power_t 0 --passes 50 --cache_file movielens.cache -f movielens.reg -d train.vw

Весов, генерирующих вызов: library/gd_mf_weights -I train.vw -O '/data/home/mlteam/notebooks/Recommenders-master/notebooks/Outputs/movielens' --vwparams '-q ui --rank 40 -i movielens.reg'

Ошибка: 

WARNING: model file has set of {-q, --cubic, --interactions} settings stored, but they'll be OVERRIDEN by set of {-q, --cubic, --interactions} settings from command line.
creating quadratic features for pairs: ui

finished run
number of examples = 0
weighted example sum = 0
weighted label sum = 0
average loss = -nan
total feature number = 0
terminate called after throwing an instance of 'boost::exception_detail::clone_impl<boost::exception_detail::error_info_injectorboost::program_options::multiple_occurrences >'
what(): option '--rank' cannot be specified more than once
Aborted (core dumped)

Если я просто запускаю его без указания ранга и переменных взаимодействия, он не возвращает ту же обученную модель, поскольку отображаемые параметры отличаются от ранее. 

library/gd_mf_weights -I train.vw -O '/data/home/mlteam/notebooks/Recommenders-master/notebooks/Outputs/movielens' --vwparams '-i movielens.reg' 
creating quadratic features for pairs: ui 
Num weight bits = 18 
learning rate = 10 
initial_t = 1 
power_t = 0.5 
using no cache 
Reading datafile = 
num sources = 0 
Segmentation fault (core dumped)

Если я запускаю генерацию весов со всем набором параметров обучения модели, он просто игнорирует мои дополнительные параметры (и заканчивается гораздо быстрее, чем 50 проходов) и возвращает те же веса из случайно инициированной модели ранга 40. library/gd_mf_weights -I train.vw -0 '/data/home/mlteam/notebooks/Recommenders-master/notebooks/Outputs/movielens' --vwparams '--rank 40 -q ui --l2 0.1 --learning_rate 0.015 --decay_learning_rate 0.97 --power_t 0 --passes 50 --cache_file movielens.cache -f movielens.reg -d train.vw'

...