DLRM深度学习推荐模型

DLRM（Deep Learning Recommendation Model）是深度学习推荐模型的实现，用于个性化推荐。

该模型输入有密集和稀疏的特性，前者是浮点值的向量，后者是嵌入表的稀疏索引列表，嵌入表由浮点值向量组成。所选择的矢量被传递到由三角形表示的 mlp 网络，在一些情况下，矢量通过操作符（Ops）进行交互。

output:
                    probability of a click
model:                        |
                             /\
                            /__\
                              |
      _____________________> Op  <___________________
    /                         |                      \
   /\                        /\                      /\
  /__\                      /__\           ...      /__\
   |                          |                       |
   |                         Op                      Op
   |                    ____/__\_____           ____/__\____
   |                   |_Emb_|____|__|    ...  |_Emb_|__|___|
input:
[ dense features ]     [sparse indices] , ..., [sparse indices]

更精确的模型层定义：

1. 完全连接的 mlp 层

   z = f(y)

   y = Wx + b

2. 嵌入查找（对于稀疏索引列表 p=[p1,...,pk]）

   z = Op(e1,...,ek)

   obtain vectors e1=E[:,p1], ..., ek=E[:,pk]

3. Operator Op 可以是以下之一

   Sum(e1,...,ek) = e1 + ... + ek

   Dot(e1,...,ek) = [e1'e1, ..., e1'ek, ..., ek'e1, ..., ek'ek]

   Cat(e1,...,ek) = [e1', ..., ek']'

   其中，' 表示转置操作

要求：

• pytorch-nightly (6/10/19)
• onnx (可选)
• torchviz (可选)