TensorFlow Recommenders中tfrs.Model的compute_loss方法features参数是什么

1. features参数的具体含义 #

tfrs.Model是tf.keras.Model的子类，训练逻辑和原生Keras完全对齐，features是TensorFlow底层训练循环自动传入的每批次训练样本数据，和你调用model.fit()时传入的数据集结构完全对应：

• 如果你构造的tf.data.Dataset每个迭代元素是字典结构（键为特征名，值为对应特征的张量），features就是每一步训练时拿到的批次级别的字典样本
• 示例代码中用到的features["user_id"]和features["movie_title"]，对应的就是数据集中提前定义好的两个特征字段，训练时每批次的用户ID、电影名称数据都会自动填充到这两个键对应的值中

2. 为什么类内使用不需要提前定义 #

compute_loss是你覆写的tfrs.Model父类的内置方法，features是该方法的形参占位符，不需要你在类中提前定义：

• 当你调用model.fit()启动训练后，TensorFlow的底层训练循环会自动把每批次的数据集样本作为实参，传入到compute_loss的features形参中，此时该变量才会被实际赋值
• 你在类外直接执行user_model(features["user_id"])会报未定义错误，是因为类外的作用域里根本没有名为features的变量，该变量仅在compute_loss方法被框架调用时的局部作用域中有效

内容的提问来源于stack exchange，提问作者Matias Eiletz