第二章前深度学习时代—推荐系统的进化之路协同过滤组 ItemCF：物品协同过滤 UserCF：用户协同过滤 MF（矩阵分解）：为了使协同过滤更好的处理稀疏共现矩阵问题、增强模型的泛化能力 逻辑回归组（协同过滤组仅使用用户的显性、隐形反馈信息，LR组能更好的融合 用户、物品、上下文特征） LR ...

重新开始更新了。 写在前面太久没有更新博客了，去年十一去了一趟澳洲，回来后发生了一些事情，博客就一直停更了。 后面又因为疫情在家闲了一段时间。 正因为这个也让自己有了时间去好好考虑自己想要什么。 废话不多说了，前段时间看到知乎上的大佬出书了，介于自己工作上的需求及时购买了这本书，也是对于自己工作上的 ...

转自公众号链接：

https://mp.weixin.qq.com/s/kLKGbpxy1Fqp9zHC3mxL3g

对其中的重点内容做一个总结

网上的一些经典问题整理，保持更新

EE问题是推荐系统的核心概念，所有的算法都是基于解决EE问题而存在的。

tf.ConfigProto()主要是用来配置session运行的一些参数

之前写python遇到一个情况，需要调用不同项目下的python文件，后面找到了解决方案

前几天同事在群里发了一个推荐系统的一个总结图，感觉还不错，做个记录

简单的说下make与cmake的区别

主要了解下freeze_graph的用法

以及了解下freeze_graph_test的一些相关知识（据说具有很好的学习价值）

freeze_graph.py源码链接：

https://github.com/tensorflow/tensorflow/blob/master/tensorflow/python/tools/freeze_graph.py

freeze_graph_test.py源码链接：

https://github.com/tensorflow/tensorflow/blob/master/tensorflow/python/tools/freeze_graph_test.py