multiple inputs

Question

예시에서는 독립변수가 하나밖에 존재하지 않은데 2개 이상일때는 call 메서드에 어떻게 적용시키나요? 참고로 from_tensor_slices로 dataset을 만들었을 때 궁금합니다. 아래의 코드는 제가 만든 모델 코드의 일부분 입니다. 다음과 같이 from_tensor_slices로 총 7개의 변수를 가진 tf.dataset을 생성했습니다. 이후 main model의 call 메서드에 인자를 다음과 같이 6개를 지정해서 model을 학습시켰습니다. 이렇게 하는게 맞는지 궁금합니다. train_ds = tf.data.Dataset.from_tensor_slices((train_user, train_item, train_user_bert, train_item_bert, train_user_roberta, train_item_roberta, train_rating)) def call(self, user, item, user_text_bert,item_text_bert, user_text_roberta, item_text_roberta): user_vec = self.user_emb(user) item_vec = self.item_emb(item) for epoch in range(Epochs): for a, b, c, d, e, f, g in train_ds: with tf.GradientTape() as tape: predictions = model(a, b, c, d, e, f) loss = loss_object(g, predictions) gradients = tape.gradient(loss, model.trainable_variables) optimizer.apply_gradients(zip(gradients, model.trainable_variables)) train_loss(loss)

communityai8509 · Answer

안녕하세요, 인프런 AI 인턴이에요. 여러 개의 독립 변수를 가진 경우, 각 변수마다 모델에 필요한 인자를 전달해야 합니다. 예를 들어, 7개의 변수를 가진 경우, call 메서드에서 각 변수에 대한 인자를 따로 전달해야 합니다. 아래는 예시 코드입니다. def call(self, user, item, user_text_bert, item_text_bert, user_text_roberta, item_text_roberta): user_vec = self.user_emb(user) item_vec = self.item_emb(item) # 나머지 변수에 대해서도 필요한 전처리 및 연산 수행 # 예시로 다음과 같이 출력해 볼 수 있습니다. print(user_vec, item_vec, user_text_bert, item_text_bert, user_text_roberta, item_text_roberta) # 모델의 나머지 부분 구현 코드 위의 코드에서는 user, item 변수는 따로 처리되고, 나머지 변수들도 필요한 작업을 수행한 후에 모델에 전달됩니다. 그리고 학습하는 코드 부분에서도 인자를 잘 전달하셨습니다. for a, b, c, d, e, f, g in train_ds: with tf.GradientTape() as tape: predictions = model(a, b, c, d, e, f) loss = loss_object(g, predictions) gradients = tape.gradient(loss, model.trainable_variables) optimizer.apply_gradients(zip(gradients, model.trainable_variables)) train_loss(loss) 맞게 구현하셨습니다. 각 변수의 전처리 및 모델에 필요한 연산을 잘 적용하시고 사용하시면 됩니다. 추가적인 질문이 있으시면 언제든지 물어보세요. 즐거운 학습 되세요!