特征准入与淘汰

当某些特征的频率过低时，对模型的训练效果不会有帮助，还会造成内存浪费以及过拟合的问题。因此需要特征准入功能来过滤掉频率过低的特征。

对于一些对训练没有帮助的特征，需要将其淘汰以免影响训练效果，同时节约内存。mxRec支持特征淘汰功能，并提供了两种特征淘汰的触发方式，一是根据global step触发淘汰，二是根据时间间隔触发淘汰。

开启淘汰功能后，不支持动态扩容。

使用流程介绍

本节介绍如何使用特征准入与淘汰进行训练，涉及FeatureSpec模式与自动改图模式。

图1 特征准入与淘汰使用流程
点击放大

关键步骤介绍

在FeatureSpec模式下，请参考FeatureSpec进行配置。
1. 开启准入功能需要设置准入阈值“access_threshold”大于或等于0（单位：次），设置阈值小于“-1”时将会报参数错误。
2. 开启淘汰功能需要依次执行以下步骤：
  1. 设置淘汰阈值“eviction_threshold”大于或等于0（单位：秒），设置阈值小于“-1”时将会报参数错误。
  2. 设置“index_key”索引键为“timestamp”的FeatureSpec并携带参数is_timestamp=True，代表数据集含有时间戳。
  3. 使用EvictHook接口为淘汰的触发方式设置“hook”，接口参数有三个，evict_enable=True，evict_time_interval=24 * 60 * 60，evict_step_interval=10000，分别代表淘汰功能开关、淘汰触发的时间间隔（单位：秒）、global step间隔。“evict_time_interval”与“evict_step_interval”参数可选其一。
3. 特征淘汰功能hook仅在训练模式下使用。
在自动改图模式下，请参考自动改图进行配置。
仅需要在使用sparse_lookup接口时，设置“access_and_evict_config”参数，参数类型dict，该dict由两个key-value对组成，key分别为“access_threshold”和“eviction_threshold”，value为对应的阈值。
环境变量“USE_COMBINE_FAAE”控制是否合表统计次数。如果USE_COMBINE_FAAE=0，表示分表统计，每张表key的count记录是独立的；如果USE_COMBINE_FAAE=1，表示合表统计，多张表维护一个count记录。
提供一个cpu算子set_threshold支持在训练过程中更改准入阈值。

如果set_threshold的第一个入参值为“0”，表示修改对应的emb表为特征不累加模式（准入阈值不变，但是特征计数不再累加，使用历史值）。

示例代码

FeatureSpec模式。

feature_spec_list = [FeatureSpec("user_ids", feat_count=cfg.user_feat_cnt, table_name="user_table",
                                 access_threshold=access_threshold,
                                 eviction_threshold=eviction_threshold,
                                 faae_coefficient=1),
                     FeatureSpec("item_ids", feat_count=cfg.item_feat_cnt, table_name="item_table",
                                 access_threshold=access_threshold,
                                 eviction_threshold=eviction_threshold,
                                 faae_coefficient=4)，
                     FeatureSpec("timestamp", is_timestamp=True)]

hook_evict = EvictHook(evict_enable=True, evict_time_interval=24*60*60, evict_step_interval=10000)

自动改图模式。

config_for_user_table = dict(access_threshold=cfg.access_threshold, eviction_threshold=cfg.eviction_threshold,
                            faae_coefficient=1)

embedding = sparse_lookup(hash_table, feature, send_count, dim=None, is_train=is_train,
                          access_and_evict_config=config_for_user_table ,
                          name=hash_table.table_name + "_lookup", modify_graph=modify_graph)
hook_evict = EvictHook(evict_enable=True, evict_time_interval=24*60*60, evict_step_interval=10000)

更改准入阈值。

from mx_rec.util.initialize import ConfigInitializer
thres_tensor = tf.constant(0, dtype=tf.int32)
set_threshold_op = ConfigInitializer.get_instance().host_pipeline_ops. \
    set_threshold(thres_tensor, emb_name=self.table_list[0].table_name,
                  ids_name=self.table_list[0].table_name + "_lookup")

父主题： 训练功能特性流程