学习推荐系统 tf 相关知识提问，问题有三

1

为何embeding层的数据要扩X,2^N 的形式，有讲究吗
为何输入四个数据id，gender，age，job的embeding层id设为1,32 而其他都是1,16为何不统一
输入层输入

embeding层 为何要扩到

1，32 或1，16，为何不统一32
embeding原理知道，但是每次案例给的例子就是embeding成x，8 x,16 x,32为何是这些 有讲究吗

2

embeding后的数据经过dense层 激活函数relu 都能理解 但是为何本来的1，16的数据变成了1，32
dense层是这样写的：

uid_fc_layer = tf.keras.layers.Dense(embed_dim, name="uid_fc_layer", activation='relu')(uid_embed_layer)
    gender_fc_layer = tf.keras.layers.Dense(embed_dim, name="gender_fc_layer", activation='relu')(gender_embed_layer)
    age_fc_layer = tf.keras.layers.Dense(embed_dim, name="age_fc_layer", activation='relu')(age_embed_layer)
    job_fc_layer = tf.keras.layers.Dense(embed_dim, name="job_fc_layer", activation='relu')(job_embed_layer)

代码没问题，我理解的是 进行一层激活函数，relu 那数据的尺寸是不应该发生变化的呀

sum

归纳一下
为何embeding层的数据要扩X,2^N 的形式，有讲究吗
为何输入四个数据id，gender，age，job的embeding层id设为1,32 而其他都是1,16为何不统一
为何embeding后的dense层 （只是进行了激活函数 处理，数据的尺寸全部变了）？

研究的项目链接：https://nbviewer.jupyter.org/github/chengs...