[DIN] models/din.py 的第 94~97行是否有点问题

[cuihu1998]

是代码写错了吗？ 运行的是examples/run_din.py。

[cuihu1998]

从din.py的第94行开始
sequence_embed_dict = varlen_embedding_lookup(X, self.embedding_dict, self.feature_index, self.sparse_varlen_feature_columns)
sequence_embed_list = get_varlen_pooling_list(sequence_embed_dict, X, self.feature_index, self.sparse_varlen_feature_columns, self.device)

sequence_embed_dict实际得到的是经过Embedding后输出的Tensor组成的dict，然后作get_varlen_polling_list的第一个参数传入；但是get_varlen_polling_list的第一个参数应该是一个放着Embedding Layer的dict...
运行examples/run_din.py不会报错，是因为这里的sequence_embed_dict 和 self.sparse_varlen_feature_columns直接就是一个空数组 ：[]。
整体逻辑应该是有问题，在此提问。

[zanshuxun]

感谢您细致地排查问题，我们会在近期的版本中对该问题进行修复，祝好！

代码逻辑是有问题的，get_varlen_pooling_list()两次调用的入参类型不一致。

第一次调用：

DeepCTR-Torch/deepctr_torch/models/din.py

Line 84 in 8265c75

_, dense_value_list = self.input_from_feature_columns(X, self.dnn_feature_columns, self.embedding_dict)

DeepCTR-Torch/deepctr_torch/models/basemodel.py

Line 362 in 8265c75

varlen_sparse_embedding_list = get_varlen_pooling_list(self.embedding_dict, X, self.feature_index,

self.input_from_feature_columns()里调用了get_varlen_pooling_list()。这时第一个输入embedding_dict的value为embed layer。

第二次调用：

DeepCTR-Torch/deepctr_torch/models/din.py

Lines 94 to 99 in 8265c75

	sequence_embed_dict = varlen_embedding_lookup(X, self.embedding_dict, self.feature_index,
	self.sparse_varlen_feature_columns)
	sequence_embed_list = get_varlen_pooling_list(sequence_embed_dict, X, self.feature_index,
	self.sparse_varlen_feature_columns, self.device)

处理非hist feat类变长特征时，也会调用get_varlen_pooling_list()。这时第一个输入参数embedding_dict的value为tensor。而get_varlen_pooling_list()中做pooling之前会根据index取embedding，相当于取了两次index，所以当使用了非hist类VarLenSparseFeat时，就会报错。（但由于例子run_din.py中的VarLenSparseFeat均为hist类特征，所以该bug一直未被发现。）