[代码复现]Self-Attentive Sequential Recommendation

参考代码：SASRec.pytorch
可参考资料：SASRec代码解析

前言：文中有疑问的地方用?表示了。可以通过ctrl+F搜索’?'。

环境

conda create -n SASRec python=3.9
pip install torch torchvision

因为我是mac运行的，所以device是mps
下面的代码可以测试mps是否可以正常运行
python # 进入python环境
>>> import torch
>>> print(torch.backends.mps.is_available())
# 输出为True则说明可以正常运行

测试

python main.py --device=mps --dataset=ml-1m --train_dir=default --state_dict_path='ml-1m_default/SASRec.epoch=601.lr=0.001.layer=2.head=1.hidden=50.maxlen=200.pth' --inference_only=true --maxlen=200
### average sequence length: 163.50
### ............................................................test (NDCG@10: 0.5662, HR@10: 0.8056)

main.py

str2bool

def str2bool(s):
    if s not in {'false', 'true'}:
        raise ValueError('Not a valid boolean string')
    return s == 'true'

将字符串’true’转化为逻辑1，字符串’false’转化为逻辑0，其他字符串输入则抛出错误。
这个函数用于命令行解析。

命令行解析：argparse.ArgumentParser()

# 1.导入argparse模块
import argparse
# 2.创建一个解析对象
parser = argparse.ArgumentParser()
# 3.向对象parser中添加要关注的命令行参数和选项
# 参数名前加'--'表示这是“关键词参数”(不同于位置参数)
parser.add_argument('--dataset', required=True)   # 必选项：数据集dataset
parser.add_argument('--train_dir', required=True) # 必选项
parser.add_argument('--batch_size', default=128, type=int) # type的参数：会将str类型转化为对应的type类型
parser.add_argument('--lr', default=0.001, type=float)
parser.add_argument('--maxlen', default=50, type=int)
parser.add_argument('--hidden_units', default=50, type=int)
parser.add_argument('--num_blocks', default=2, type=int)
parser.add_argument('--num_epochs', default=201, type=int)
parser.add_argument('--num_heads', default=1, type=int)
parser.add_argument('--dropout_rate', default=0.5, type=float)
parser.add_argument('--l2_emb', default=0.0, type=float)
parser.add_argument('--device', default='cpu', type=str)
parser.add_argument('--inference_only', default=False, type=str2bool)
parser.add_argument('--state_dict_path', default=None, type=str)
# 4.调用parse_args()方法进行解析
args = parser.parse_args()

命令行输入python main.py --device=mps --dataset=ml-1m --train_dir=default --state_dict_path='ml-1m_default/SASRec.epoch=601.lr=0.001.layer=2.head=1.hidden=50.maxlen=200.pth' --inference_only=true --maxlen=200时调用
结果：
dataset: ml-1m
train_dir: default
batch_size: 128(默认)
lr: 0.001(默认)
maxlen: 200
hidden_units: 50(默认)
num_blocks: 2(默认)
num_epochs: 201(默认)
num_heads: 1(默认)
dropout_rate: 0.5(默认)
l2_emb: 0.0
device: mps
inference_only: True
state_dict_path: ml-1m_default/SASRec.epoch=601.lr=0.001.layer=2.head=1.hidden=50.maxlen=200.pth

PS：
1.命令行参数解析模块：解析命令行代码的参数。
参考：argparse.ArgumentParser()用法解析
2.关键词参数设定的时候需要--，在命令行中也需要。但是在代码中使用时候不需要。即：

向对象parser中添加关键词参数：parser.add_argument('--dataset', required=True)
命令行传参：python main.py --device=mps --dataset=ml-1m
代码中使用：args.dataset

参数写入args.txt

# args.dataset + '_' + args.train_dir如果不是现有目录就创建
if not os.path.isdir(args.dataset + '_' + args.train_dir):
    os.makedirs(args.dataset + '_' + args.train_dir)
# 拼接上面的目录和args.txt路径，并打开对应文件'写入'
# vars返回对象的__dict__属性
with open(os.path.join(args.dataset + '_' + args.train_dir, 'args.txt'), 'w') as f:
    f.write('\n'.join([str(k) + ',' + str(v) for k, v in sorted(vars(args).items(), key=lambda x: x[0])]))
# f.close()不需要，因为上面使用的是with open

以上面的测试为例
args.dataset = ml-1m
args.train_dir=default
这行代码的目的是将args参数按行逐个写入到ml-1m-default/args.txt文件中。

PS:
vars返回对象的__dict__属性。可以参考：Python vars函数
dict.items()返回视图对象：将字典转化为元组的列表。
sorted(vars(args).items(), key=lambda x: x[0]) # 根据元组的第一个元素升序
[str(k) + ',' + str(v) for k, v in sorted(vars(args).items(), key=lambda x: x[0])]：列表生成器
str.join(iterable)：返回一个由 iterable 中的字符串拼接而成的字符串，str作为中间的分隔符。

下面开始是main的主要内容(以下都用测试的代码的参数为例)。

参数列表：
batch_size,128
dataset,ml-1m
device,mps
dropout_rate,0.5
hidden_units,50
inference_only,True
l2_emb,0.0
lr,0.001
maxlen,200
num_blocks,2
num_epochs,201
num_heads,1
state_dict_path,ml-1m_default/SASRec.epoch=601.lr=0.001.layer=2.head=1.hidden=50.maxlen=200.pth
train_dir,default

数据集划分

# 利用utils.data_partition函数对数据集进行划分
from utils import data_partition

dataset = data_partition(args.dataset) # 传参"ml-1m"
[user_train, user_valid, user_test, usernum, itemnum] = dataset
num_batch = len(user_train) // args.batch_size # 计算训练批次
# 计算平均sequence长度
cc = 0.0
for u in user_train:
	cc += len(user_train[u])
print('average sequence length: %.2f' % (cc / len(user_train)))

f = open(os.path.join(args.dataset + '_' + args.train_dir, 'log.txt'), 'w')

这部分主要是进行数据集划分，得到训练集、验证集、测试集
关于data_partition需要看utils.py文件

结果：
user_train：{1: [1,2,3,4…], 2:[80, 81,…], …}
user_valid：{1: [78], 2:[137], 3:[248], …}
user_test：{1: [79], 2: [138], 3: [249], …}
usernum: 6040
itemnum: 3416
num_batch: 47
average sequence length: 163.50

疑问：这里代码注释里写了tail? + ((len(user_train) % args.batch_size) != 0)，是否需要考虑不足batch_size的部分？
log.txt文件，每20轮次，用于存放valid和test上的评价。

采样

sampler = WarpSampler(user_train, usernum, itemnum, batch_size=args.batch_size, maxlen=args.maxlen, n_workers=3)

实例化WarpSampler类。这个类主要是用来通过采样用户，生成数据的。

模型类实例化

model = SASRec(usernum, itemnum, args).to(args.device) # no ReLU activation in original SASRec implementation?

模型参数初始化

    for name, param in model.named_parameters():
        try:
            torch.nn.init.xavier_normal_(param.data)
        except:
            pass

model.named_parameters()是返回模型所有参数及其名称的迭代器。
详细参考：model.named_parameters()与model.parameters()函数的区别

模型训练

# 将模型设置为训练模式，确保”Batch Normalization”和“Dropout“正常工作
	model.train()

    epoch_start_idx = 1
    if args.state_dict_path is not None:
        try:
            model.load_state_dict(torch.load(args.state_dict_path, map_location=torch.device(args.device)))
            tail = args.state_dict_path[args.state_dict_path.find('epoch=') + 6:]
            epoch_start_idx = int(tail[:tail.find('.')]) + 1
        except: # in case your pytorch version is not 1.6 etc., pls debug by pdb if load weights failed
            print('failed loading state_dicts, pls check file path: ', end="")
            print(args.state_dict_path)
            print('pdb enabled for your quick check, pls type exit() if you do not need it')
            import pdb; pdb.set_trace()

本部分用到的变量：
arg.state_dict_path:ml-1m_default/SASRec.epoch=601.lr=0.001.layer=2.head=1.hidden=50.maxlen=200.pth
tail: 601.lr=0.001.layer=2.head=1.hidden=50.maxlen=200.pth
tail[:tail.find('.')]: 601
epoch_start_idx: 602
这一部分的作用是：读取已经训练了601个epoch的模型参数，然后将epoch_start_idx设置为602

PS:
1.model.load_state_dict：加载模型参数。
详细参考：【PyTorch】基础学习：一文详细介绍 load_state_dict() 的用法和应用
2.str.find：查询目标字符(串)，并返回第一个查询到的字符串的首位索引。
详细参考：python查找目标字符（串）——str.find()用法及实例

inference_only=True

    if args.inference_only:
    	# 模型设置为评估模式,参数不再更新，dropout不启用，batchnorm使用全局统计数据
        model.eval()
        t_test = evaluate(model, dataset, args)
        print('test (NDCG@10: %.4f, HR@10: %.4f)' % (t_test[0], t_test[1]))

这一部分的作用是：当inference_only设置为True时，评估数据集，返回NDCG和HT

损失函数

bce_criterion = torch.nn.BCEWithLogitsLoss() # torch.nn.BCELoss()

使用二元交叉损失函数
BCEWithLogitsLoss() = sigmoid+torch.nn.BCELoss()
详细参考：Pytorch常用的函数(十)交叉熵损失函数nn.BCELoss()、nn.BCELossWithLogits()、nn.CrossEntropyLoss()详解

优化器

adam_optimizer = torch.optim.Adam(model.parameters(), lr=args.lr, betas=(0.9, 0.98))

Adam优化器
详细参考：Adam

模型训练

    T = 0.0
    t0 = time.time()
    
    for epoch in range(epoch_start_idx, args.num_epochs + 1):
        if args.inference_only: break # just to decrease identition
        for step in range(num_batch): # tqdm(range(num_batch), total=num_batch, ncols=70, leave=False, unit='b'):
            u, seq, pos, neg = sampler.next_batch() # 获得batch数据
            u, seq, pos, neg = np.array(u), np.array(seq), np.array(pos), np.array(neg)
            pos_logits, neg_logits = model(u, seq, pos, neg)
            pos_labels, neg_labels = torch.ones(pos_logits.shape, device=args.device), torch.zeros(neg_logits.shape, device=args.device)
            # print("\neye ball check raw_logits:"); print(pos_logits); print(neg_logits) # check pos_logits > 0, neg_logits < 0
            adam_optimizer.zero_grad()
            indices = np.where(pos != 0)
            loss = bce_criterion(pos_logits[indices], pos_labels[indices])
            loss += bce_criterion(neg_logits[indices], neg_labels[indices])
            for param in model.item_emb.parameters(): loss += args.l2_emb * torch.norm(param)
            loss.backward()
            adam_optimizer.step()
            print("loss in epoch {} iteration {}: {}".format(epoch, step, loss.item())) # expected 0.4~0.6 after init few epochs

从epoch_start_idx开始继续训练，直到args.num_epochs
看pos_logits, neg_logits = model(u, seq, pos, neg)前需要查看SASRec的forward函数。

PS:
np.where(condition): 返回每个符合condition条件元素的坐标,返回的是以元组的形式
详细参考：Python np.where()的详解以及代码应用
torch.norm(): 详细参考：【深度学习框架-torch】torch.norm函数详解用法

在这里插入图片描述

模型评估(训练时)

    	# 每过20个epoch，评估一次
        if epoch % 20 == 0:
            model.eval()
            t1 = time.time() - t0
            T += t1
            print('Evaluating', end='')
            t_test = evaluate(model, dataset, args)
            t_valid = evaluate_valid(model, dataset, args)
            print('epoch:%d, time: %f(s), valid (NDCG@10: %.4f, HR@10: %.4f), test (NDCG@10: %.4f, HR@10: %.4f)'
                    % (epoch, T, t_valid[0], t_valid[1], t_test[0], t_test[1]))
    
            f.write(str(t_valid) + ' ' + str(t_test) + '\n')
            f.flush()
            t0 = time.time()
            model.train()
    
        if epoch == args.num_epochs:
            folder = args.dataset + '_' + args.train_dir
            fname = 'SASRec.epoch={}.lr={}.layer={}.head={}.hidden={}.maxlen={}.pth'
            fname = fname.format(args.num_epochs, args.lr, args.num_blocks, args.num_heads, args.hidden_units, args.maxlen)
            torch.save(model.state_dict(), os.path.join(folder, fname))

f.flush(): 确保数据立即被写入磁盘，而不是在内存中缓冲一段时间。

完成训练后

    f.close() # 关闭文件
    sampler.close() # 关闭子进程
    print("Done")

utils.py

fun: data_partition

from collections import defaultdict

def data_partition(fname):
    usernum = 0
    itemnum = 0
    User = defaultdict(list) # 创建key-list的字典
    user_train = {}
    user_valid = {}
    user_test = {}
    # assume user/item index starting from 1
    f = open('data/%s.txt' % fname, 'r')
    # 构建"user-对应item的列表"的字典，获得usernum, itemnum
    for line in f:
        u, i = line.rstrip().split(' ') # rstrip():去掉右边的空格，split(' '): 根据空格拆分得到字符串列表
        u = int(u) # str->int
        i = int(i)
        usernum = max(u, usernum) # usernum记录user的最大值，即user数
        itemnum = max(i, itemnum) # itemnum记录item的最大值，即item数
        User[u].append(i) # User的key是user的index，value是item的index组成的list
	
	# 构建user_train, user_valid, user_test
    for user in User: 
        nfeedback = len(User[user]) # 计算user对应的item数量
        # item数量<3的user, 则对应的item列表直接作为user_train[user]的value
        # item数量>=3的user，对应的item列表的
        # 最后一个item作为user_test[user]的value
        # 倒数第二个item作为user_valid[user]的value
        # 剩下前面的item作为user_train[user]的value
        if nfeedback < 3:
            user_train[user] = User[user]
            user_valid[user] = []
            user_test[user] = []
        else:
            user_train[user] = User[user][:-2]
            user_valid[user] = []
            user_valid[user].append(User[user][-2])
            user_test[user] = []
            user_test[user].append(User[user][-1])
    return [user_train, user_valid, user_test, usernum, itemnum]

实际调用：dataset = data_partition('ml-1m')
1.data_partition目的是将data/fname.txt文件中的user-item对转化为user-item列表字典，最终返回了[user_train, user_valid, user_test, usernum, itemnum]。
2.user_train形如{1: [1, 2, 3, 4, …], 2:[…], …}, user_valid形如{1: [78], 2: [137], …}, user_test形如{1: [79], 2: [138], …}

PS:
1.defaultdict创建的字典，传入的”工厂函数"可以表明字典value的类型和默认值，这使得这种字典很方便地将(键-值)序列转化为对应的字典。具体可以参考：
python中defaultdict用法详解
defaultdict 例子
2.事实上，经过测试，"m1-1m"这个例子里面，并没有某个user的对应item列表数量小于3。

class: WarpSampler

from multiprocessing import Process, Queue

class WarpSampler(object):
    def __init__(self, User, usernum, itemnum, batch_size=64, maxlen=10, n_workers=1):
        self.result_queue = Queue(maxsize=n_workers * 10) # 创建一个最多存放n_workers*10个数据的消息队列，用于支持进程之间的通信
        self.processors = [] # 存放子进程的列表
        # 列表中添加进程操作对象，其中，sample_function作为任务交给子进程执行，执行要用到的参数是args
        for i in range(n_workers):
            self.processors.append(
                Process(target=sample_function, args=(User,
                                                      usernum,
                                                      itemnum,
                                                      batch_size,
                                                      maxlen,
                                                      self.result_queue,
                                                      np.random.randint(2e9)
                                                      )))
            self.processors[-1].daemon = True # 设置进程为守护进程(必须在进程启动前设置)
            self.processors[-1].start()       # 创建进程

    def next_batch(self):
        return self.result_queue.get() # 从消息队列中取出数据并返回

    def close(self):
        for p in self.processors:
            p.terminate() # 杀死进程
            p.join()      # 等待进程结束

实际调用：sampler = WarpSampler(user_train, usernum, itemnum, batch_size=128, maxlen=200, n_workers=3)
这里相当于有3个子进程在生产batch数据
中间要用到sample_function，遇到可以跳转查看sample_function讲解。
WarpSampler类：
初始化：生成大小为30的消息队列，创建3个子进程，每个子进程生成一批数据，并存入消息队列
next_batch方法：从消息队列中取数据
close方法：杀死所有子进程

PS:
1.关于守护进程，可以参考：守护进程 - 《Python零基础到全栈系列》。具体地：p.daemon默认值为False，如果设为True，代表p为后台运行的守护进程，当p的父进程终止时，p也随之终止，并且设定为True后，p不能创建自己的新进程，p.daemon必须在p.start()之前设置。

fun: sample_function

import numpy as np

def sample_function(user_train, usernum, itemnum, batch_size, maxlen, result_queue, SEED):
	# 采样
    def sample():
        user = np.random.randint(1, usernum + 1) # 随机返回1-usernum之间的一个整数
        # 如果user_train的序列长度小于等于1，则重新随机取1-usernum之间的一个整数
        while len(user_train[user]) <= 1: user = np.random.randint(1, usernum + 1) 
		
        seq = np.zeros([maxlen], dtype=np.int32) # 长为maxlen的ndarray
        pos = np.zeros([maxlen], dtype=np.int32) 
        neg = np.zeros([maxlen], dtype=np.int32)
        nxt = user_train[user][-1] # 最后一个item序号
        idx = maxlen - 1 # 199

        ts = set(user_train[user]) 
        for i in reversed(user_train[user][:-1]):
            seq[idx] = i
            pos[idx] = nxt
            if nxt != 0: neg[idx] = random_neq(1, itemnum + 1, ts)
            nxt = i  # 当前轮次的i，实际上是下一轮次的nxt
            idx -= 1 # 轮次加1，索引-1
            if idx == -1: break # 意味着item序列长度超出maxlen，索引溢出，跳出循环

        return (user, seq, pos, neg)

    np.random.seed(SEED) # 设置随机数种子
    while True:
        one_batch = []
        for i in range(batch_size):
            one_batch.append(sample()) # one_batch是元组(user, seq, pos, neg)的列表

        result_queue.put(zip(*one_batch)) # 结果写入消息队列

实际调用：sample_function(user_train, usernum, itemnum, batch_size=128, maxlen=200, self.result_queue, np.random.randint(2e9))
中间要用到random_neq，遇到可以跳转查看random_neq讲解。
sample的目的是：采样，返回某user的id，并根据其user_train序列生成对应的输入序列seq，正例序列pos，反例序列neg
sample_function的目的是：多次采样，并组合得到一批次的数据。同时，它将在WarpSampler类中作为进程活动的方法。
这里找个例子：user=1, user_train=[1, 2, 4, 6]
则初始：nxt=6, idx=199, reversed(user_train[user][:-1])=[4, 2, 1]
第1次循环：i=4, seq[199]=i=4, pos[199]=nxt=6, neg[199]=100, nxt=i=4, idx=idx-1=198
第2次循环：i=2, seq[198]=i=2, pos[198]=nxt=4, neg[198]=200, nxt=i=2, idx=idx-1=197
第3次循环：i=1, seq[197]=i=4, pos[197]=nxt=2, neg[197]=300, nxt=i=1, idx=idx-1=196
此时seq=[0, 0, ..., 1, 2, 4]
此时pos=[0, 0, ..., 2, 4, 6]
此时neg=[0, 0, ..., 300, 200, 100]

PS:
1.sample中的if nxt != 0似乎没有用？因为nxt一定不会等于0
2.zip(*one_batch)是将元组(user, seq, pos, neg)中的对应元素组成元组，即user和user组成元组。具体可以参考：一文看懂Python（十）-- zip与zip(*)函数

fun: random_neq

def random_neq(l, r, s):
    t = np.random.randint(l, r)
    while t in s:
        t = np.random.randint(l, r)
    return t

实际调用：random_neq(1, itemnum + 1, ts)，其中ts是用户对应的item集合
random_neq的目的是：在所有item序号中，找一个没有出现在用户的item集合中的item作为反例item序号。

fun: evaluate

def evaluate(model, dataset, args):
    [train, valid, test, usernum, itemnum] = copy.deepcopy(dataset)

    NDCG = 0.0
    HT = 0.0
    valid_user = 0.0
	
	# 采样users列表
    if usernum>10000:
        users = random.sample(range(1, usernum + 1), 10000)
    else:
        users = range(1, usernum + 1)
    for u in users:
		# 去掉没有train或者没有test的user
        if len(train[u]) < 1 or len(test[u]) < 1: continue

        seq = np.zeros([args.maxlen], dtype=np.int32)
        idx = args.maxlen - 1
        seq[idx] = valid[u][0] # seq列表的最后一位用valid[u][0]
        idx -= 1
        for i in reversed(train[u]):
            seq[idx] = i
            idx -= 1
            if idx == -1: break
        rated = set(train[u])
        rated.add(0)
        item_idx = [test[u][0]]
        # 挑选100个不在train[u]的itemnum放如item_idx
        for _ in range(100):
            t = np.random.randint(1, itemnum + 1) # 1-itemnum之间的随机整数
            while t in rated: t = np.random.randint(1, itemnum + 1)
            item_idx.append(t)

        predictions = -model.predict(*[np.array(l) for l in [[u], [seq], item_idx]]) # 返回1*101维度的近似度得分(加了负号，所以是越小越好)
        predictions = predictions[0] # - for 1st argsort DESC

        rank = predictions.argsort().argsort()[0].item()

        valid_user += 1

        if rank < 10:
            NDCG += 1 / np.log2(rank + 2)
            HT += 1
        if valid_user % 100 == 0:
            print('.', end="")
            sys.stdout.flush()

    return NDCG / valid_user, HT / valid_user

0.整体作用：评估数据集，返回NDCG和HT
1.评估时，将valid[u][0]也放到seq的最后，也构成序列。
2.item_idx包含正例target和100个反例target。
3.model.predict间model.py文件
4.predictions的计算中加了负号，所以是越小越好
5.predictions.argsort().argsort()[0].item()是为了获得预期结果的排名，详细看下面的草稿
6.HT: 前10预测中有ground_truch的次数，每次计数为1
7.NDCG: ground_truth出现在更高位次会富裕更大权重，每次为带权计数

PS：
1.random.sample(sequence, k)：返回从序列中选择的项目的特定长度列表。
详细参考：【python】 random.sample()
2.在列表前面加*是将将列表解开成几个独立的参数，传入函数。
详细参考：python中在列表前面加星号(*)的作用
3.torch.argsort：返回数组元素排序后的索引。
详细参考：torch.argsort
4.sys.stdout.flush(): 显示地让缓冲区的内容输出。(但我感觉好像没啥用。可以去掉？)
详细参考：sys.stdout.flush的作用

在这里插入图片描述

fun: evaluate_valid

def evaluate_valid(model, dataset, args):
    [train, valid, test, usernum, itemnum] = copy.deepcopy(dataset)

    NDCG = 0.0
    valid_user = 0.0
    HT = 0.0
    if usernum>10000:
        users = random.sample(range(1, usernum + 1), 10000)
    else:
        users = range(1, usernum + 1)
    for u in users:
        if len(train[u]) < 1 or len(valid[u]) < 1: continue

        seq = np.zeros([args.maxlen], dtype=np.int32)
        idx = args.maxlen - 1
        for i in reversed(train[u]):
            seq[idx] = i
            idx -= 1
            if idx == -1: break

        rated = set(train[u])
        rated.add(0)
        item_idx = [valid[u][0]] # 和上面的evaluate函数的区别之2
        for _ in range(100):
            t = np.random.randint(1, itemnum + 1)
            while t in rated: t = np.random.randint(1, itemnum + 1)
            item_idx.append(t)

        predictions = -model.predict(*[np.array(l) for l in [[u], [seq], item_idx]])
        predictions = predictions[0]

        rank = predictions.argsort().argsort()[0].item()

        valid_user += 1

        if rank < 10:
            NDCG += 1 / np.log2(rank + 2)
            HT += 1
        if valid_user % 100 == 0:
            print('.', end="")
            sys.stdout.flush()

    return NDCG / valid_user, HT / valid_user

在验证集上评估，总体上和上面的evaluate函数差不多，只是
1.不需要seq[idx] = valid[u][0]
2.item_idx = [valid[u][0]]

model.py

class: SASRec

主体结构：

class SASRec(torch.nn.Module):
    def __init__(self, user_num, item_num, args):
    	...
    def log2feats(self, log_seqs):
    	...
    def forward(self, user_ids, log_seqs, pos_seqs, neg_seqs): # for training
    	...
    def predict(self, user_ids, log_seqs, item_indices): # for inference
    	...

SASRec.init

    def __init__(self, user_num, item_num, args):
        super(SASRec, self).__init__()

        self.user_num = user_num
        self.item_num = item_num
        self.dev = args.device

        # TODO: loss += args.l2_emb for regularizing embedding vectors during training
        # https://stackoverflow.com/questions/42704283/adding-l1-l2-regularization-in-pytorch
        # 构造item的embedding表，pos的embedding表
        # padding_idx=0，说明索引0对应的embedding不参与梯度运算，不在训练时更新
        self.item_emb = torch.nn.Embedding(self.item_num+1, args.hidden_units, padding_idx=0)
        self.pos_emb = torch.nn.Embedding(args.maxlen, args.hidden_units)
        self.emb_dropout = torch.nn.Dropout(p=args.dropout_rate)
		
		
        self.attention_layernorms = torch.nn.ModuleList()
        self.attention_layers = torch.nn.ModuleList()
        self.forward_layernorms = torch.nn.ModuleList()
        self.forward_layers = torch.nn.ModuleList()

        self.last_layernorm = torch.nn.LayerNorm(args.hidden_units, eps=1e-8)

        for _ in range(args.num_blocks):
            new_attn_layernorm = torch.nn.LayerNorm(args.hidden_units, eps=1e-8)
            self.attention_layernorms.append(new_attn_layernorm)

            new_attn_layer =  torch.nn.MultiheadAttention(args.hidden_units,
                                                            args.num_heads,
                                                            args.dropout_rate)
            self.attention_layers.append(new_attn_layer)

            new_fwd_layernorm = torch.nn.LayerNorm(args.hidden_units, eps=1e-8)
            self.forward_layernorms.append(new_fwd_layernorm)

            new_fwd_layer = PointWiseFeedForward(args.hidden_units, args.dropout_rate)
            self.forward_layers.append(new_fwd_layer)

            # self.pos_sigmoid = torch.nn.Sigmoid()
            # self.neg_sigmoid = torch.nn.Sigmoid()

实际调用：model = SASRec(usernum, itemnum, args).to(args.device)

PS：
1.torch.nn.Embedding：生成Embedding实例，该实例作用在tensor上，会对其中的每个元素做embedding。
详细可参考: 无脑入门pytorch系列（一）—— nn.embedding
2.torch.nn.Dropout：生成Dropout实例，该实例作用在tensor上，会以一定概率使输出变0。
详细可参考：torch.nn.Dropout官网
3.torch.nn.ModuleList：存放子模块的列表
4.torch.nn.LayerNorm：生成LayerNorm实例，该实例作用在tensor上，以最后一个/几个维度求均值和标准差，最后做layer norm。
详细可参考：torch.nn.LayerNorm官网
5.torch.nn.MultiheadAttention：生成多头注意力实例。由于没有设置"batch_first=True"，所以要求输入的维度是(seq, batch, feature)。
详细可参考：torch.nn.MultiheadAttention官网；torch.nn.MultiheadAttention的使用和参数解析

SASRec.log2feats

import numpy as np

    def log2feats(self, log_seqs):
    	# 这部分将输入序列embedding，并加入了位置embedding，最后应用了dropout
        seqs = self.item_emb(torch.LongTensor(log_seqs).to(self.dev))
        seqs *= self.item_emb.embedding_dim ** 0.5 # 为何要乘以根号d？
        positions = np.tile(np.array(range(log_seqs.shape[1])), [log_seqs.shape[0], 1])
        seqs += self.pos_emb(torch.LongTensor(positions).to(self.dev))
        seqs = self.emb_dropout(seqs)
		
		# seq列表中0对应的embeeding全部置于0
        timeline_mask = torch.BoolTensor(log_seqs == 0).to(self.dev)
        seqs *= ~timeline_mask.unsqueeze(-1) # broadcast in last dim
		
        tl = seqs.shape[1] # time dim len for enforce causality
        attention_mask = ~torch.tril(torch.ones((tl, tl), dtype=torch.bool, device=self.dev))

        for i in range(len(self.attention_layers)):
        	# 为了匹配MultiheadAttention，所以需要换维度
            seqs = torch.transpose(seqs, 0, 1)
            Q = self.attention_layernorms[i](seqs)
            mha_outputs, _ = self.attention_layers[i](Q, seqs, seqs, 
                                            attn_mask=attention_mask)
                                            # key_padding_mask=timeline_mask
                                            # need_weights=False) this arg do not work?
            seqs = Q + mha_outputs
            seqs = torch.transpose(seqs, 0, 1)

            seqs = self.forward_layernorms[i](seqs)
            seqs = self.forward_layers[i](seqs)
            seqs *=  ~timeline_mask.unsqueeze(-1)

        log_feats = self.last_layernorm(seqs) # (U, T, C) -> (U, -1, C)

        return log_feats

输入log_seqs是形如：([0, 0, 3, ...], ..., [0, 2, ...])的元组，元素是某个user_id对应的seq列表(seq列表见sample_function的例子)，size为batch_size*maxlen
log2feats里基本包含了模型主体网络的构建，包括embedding，attention，ffn等。

在这里插入图片描述

PS：
0.源代码seqs *= self.item_emb.embedding_dim ** 0.5，为什么要乘以根号d。一种解释是nn.embedding使用xavier init初始化，方差为 $1/\sqrt{d}$ ，为了方便收敛所以要乘以根号d。
详细参考：Transformer 3. word embedding 输入为什么要乘以 embedding size的开方
1.torch.LongTensor是Pytorch的一个数据类型，用于表示包含整数（整型数据）的张量（tensor）。其元素都是整数。需要注意的是，torch.LongTensor 在 PyTorch 1.6 版本之后被弃用，推荐使用 torch.tensor 并指定 dtype=torch.long 来创建相同类型的张量。如torch.tensor(data, dtype=torch.long)。
详细参考：torch.LongTensor使用方法
2.np.tile(A, reps)的作用是将沿指定轴重复数组A。
详细参考：Numpy|np.tile|处理数组复制扩展小帮手
3.torch.tensor.unsqueeze(dim)：在指定的位置增加一个维度。
详细参考：pytorch中tensor的unsqueeze()函数和squeeze()函数的用处
4.torch.tril()：返回下三角矩阵。
详细参考：pytorch中tril函数介绍
5.torch.nn.MultiheadAttention的实例的forward方法中，有key_padding_mask参数和attn_mask参数，前者作用是”屏蔽计算注意力时key的填充位置“，后者的作用是”屏蔽自注意力计算时query的未来位置“。
详细参考：pytorch的key_padding_mask和参数attn_mask有什么区别？；PyTorch的Transformer

疑问：为什么这里不需要key_padding_mask?这里，似乎是利用~timeline_mask.unsqueeze(-1)将padding的序列遮盖。

SASRec.forward

    def forward(self, user_ids, log_seqs, pos_seqs, neg_seqs): # for training        
        log_feats = self.log2feats(log_seqs) # user_ids hasn't been used yet

        pos_embs = self.item_emb(torch.LongTensor(pos_seqs).to(self.dev))
        neg_embs = self.item_emb(torch.LongTensor(neg_seqs).to(self.dev))

        pos_logits = (log_feats * pos_embs).sum(dim=-1)
        neg_logits = (log_feats * neg_embs).sum(dim=-1)

        # pos_pred = self.pos_sigmoid(pos_logits)
        # neg_pred = self.neg_sigmoid(neg_logits)

        return pos_logits, neg_logits # pos_pred, neg_pred

输入：
user_ids: (1, 2, ...)，元素是user_id
log_seqs: ([0, 0, 3, ...], ..., [0, 2, ...]) $\in R^{128\times 200}$ ，元素是某user_id对应的item序列。
pos_seqs：([78], ..., [137]) $\in R^{128\times 1}$ ，元素是某user_id对应的item序列的预测值正例
neq_seqs：([79], ..., [138]) $\in R^{128\times 1}$ ，元素是某user_id对应的item序列的预测值反例

PS：
1.user_ids并没有被用到

SASRec.predict

    def predict(self, user_ids, log_seqs, item_indices): # for inference
        log_feats = self.log2feats(log_seqs) # user_ids hasn't been used yet

        final_feat = log_feats[:, -1, :] # 只用log_feats的最后一个输出

        item_embs = self.item_emb(torch.LongTensor(item_indices).to(self.dev)) # (U, I, C)

        logits = item_embs.matmul(final_feat.unsqueeze(-1)).squeeze(-1)

        # preds = self.pos_sigmoid(logits) # rank same item list for different users

        return logits # preds # (U, I)

计算log_feats和item_indices之间的相似度分数，没有经过softmax。

class：PointWiseFeedForward

class PointWiseFeedForward(torch.nn.Module):
    def __init__(self, hidden_units, dropout_rate):
        super(PointWiseFeedForward, self).__init__()

        self.conv1 = torch.nn.Conv1d(hidden_units, hidden_units, kernel_size=1)
        self.dropout1 = torch.nn.Dropout(p=dropout_rate)
        self.relu = torch.nn.ReLU()
        self.conv2 = torch.nn.Conv1d(hidden_units, hidden_units, kernel_size=1)
        self.dropout2 = torch.nn.Dropout(p=dropout_rate)

    def forward(self, inputs):
        outputs = self.dropout2(self.conv2(self.relu(self.dropout1(self.conv1(inputs.transpose(-1, -2))))))
        outputs = outputs.transpose(-1, -2) # as Conv1D requires (N, C, Length)
        outputs += inputs
        return outputs

实际调用：PointWiseFeedForward(args.hidden_units, args.dropout_rate)

PS:
1.Conv1d：一维卷积。这里用了d个一维卷积，本质上是一个带共享权重的d*d矩阵的线性层。
详细可参考：pytorch之nn.Conv1d详解

2.input.transpose(dim0, dim1)等价于torch.transpose(input, dim0, dim1)：将这两个给定维度互换。
详细可参考：torch.transpose()