Tensorflow 2.12 电影推荐项目搭建记录~
Tensorflow是谷歌开源的机器学习框架，可以帮助我们轻松地构建和部署机器学习模型。这里记录学习使用tensorflow来搭建一个电影项目demo，包含召回模型搭建、排序模型搭建，以及整合两个模型进行完整的推荐。 相关文章： 电影推荐-召回模型 电影推荐-排序模型
工具、环境开发工具：PyCharm 2023.1.1 (Community Edition) 使用环境：Python 3.10.6 使用框架：tensorflow 2.12.0、tensorflow-datasets 4.9.2、tensorflow-recommenders 0.7.3、numpy 1.23.5、pandas 2.0.3、tensorboard 2.12.3
创建项目使用PyCharm创建一个新项目：MovieRecommenders，方便后续在项目中实现推荐模型、排序模型相关的代码： 点击Create按钮，完成创建，新建项目截图如下：
项目配置打开控制台，配置pip国内源，下包的速度会快一点，这里配置阿里源：
pip config set global.index-url https://mirrors.aliyun.com/pypi/simplepip config set install.trusted-host mirrors.aliyun.com配置截图如下：
安装相关python包使用pip安装tensorflow、tensorflow-recommenders、tensorflow-datasets三个包，注意对应版本，tensorflow的依赖包很多，整个过程估计5~10分钟：
pip install tensorflow==2.12.0pip install tensorflow-recommenders==0.7.3pip install tensorflow-datasets==4.9.2安装截图如下：
召回模型实现新建movie_recommenders包，在该包下创建Retrieval.py文件，如下： Retrieval.py主要为构建、训练、导出电影推荐召回模型，包含以下步骤（代码详见上面召回模型的文章）：
导入相关模块加载数据数据预处理生成词汇表构建查询塔构建候选条目塔模型指标损失函数构建双塔召回模型训练和评估预测导出和加载模型这里我们改下保存模型的路径，把训练好的模型保存到项目路径下，为后续做推荐准备，其他代码不做变动：
# 保存模型和加载模型# with tempfile.TemporaryDirectory() as tmp:# path = os.path.join(tmp, "model")path = "C:\data\python\space\MovieRecommenders\models\\retrieval\\"tf.saved_model.save(index, path)loaded = tf.saved_model.load(path)scores, titles = loaded(["42"])print(f"Recommendations: {scores[0][:3]}")print(f"Recommendations: {titles[0][:3]}")点击运行，控制台训练、评估、推荐结果相关日志输出如下：
C:\data\python\space\MovieRecommenders\venv\Scripts\python.exe C:\data\python\space\MovieRecommenders\movie_recommenders\Retrieval.py Epoch 1/310/10
