funcode

个人深度学习代码片段合集，包含两个互不相关的部分，均为 2019 年前后的学习/实验代码，未做后续维护：

1. funcode/attention_decoder.py：基于旧版 Keras（keras.engine.InputSpec、keras.layers.recurrent.Recurrent，对应 Keras 2.x + TensorFlow 1.x 时代的 API）手写实现的一个 Seq2Seq 注意力解码层 AttentionDecoder，参考自 Bahdanau et al. 2014《Neural Machine Translation by Jointly Learning to Align and Translate》。
2. funcode/data/：两个推荐系统/机器学习经典数据集的下载与预处理脚本——UCI Adult 收入数据集（get_adult_data）和亚马逊 Electronics 评论数据集（ElectronicsData，用于类似 DIN 的点击率预测场景，含负采样构造训练/测试集的完整流程）。

注意：PyPI 上已存在一个同名的 funcode（0.0.1）包，但经核对其 wheel 内容只有一个空的 funapi/__init__.py，是历史上批量占位发布的空包，和这个仓库的代码毫无关系，请不要 pip install funcode 来使用本仓库的功能。本仓库尚未发布到 PyPI，与该同名包的命名冲突如何处理（申请占用方协商 / 改用 far* 前缀）留待仓库所有者决定。

安装

PyPI 上没有可用的发布包，需要从源码安装：

git clone https://github.com/farfarfun/funcode.git
cd funcode
uv sync

数据集下载/预处理部分（funcode.data）的依赖已在 pyproject.toml 中声明，uv sync 后即可用。注意力解码层额外需要旧版 tensorflow/keras（attention_decoder.py 用的是已废弃的 Keras 2.x Recurrent 基类，新版 tensorflow.keras 已不兼容），可通过 uv sync --extra legacy-dl 安装，但不保证在现代版本下可运行。

用法示例

注意力解码层

from keras.layers import Input, LSTM, Bidirectional
from keras.models import Model
from funcode.attention_decoder import AttentionDecoder

i = Input(shape=(100, 104), dtype='float32')
enc = Bidirectional(LSTM(64, return_sequences=True), merge_mode='concat')(i)
dec = AttentionDecoder(32, 4)(enc)
model = Model(inputs=i, outputs=dec)
model.summary()

数据集下载/预处理

from funcode.data.data import get_adult_data, ElectronicsData

# UCI Adult 收入数据集，返回标准化后的 train/test 特征和标签
train_x, train_y, test_x, test_y = get_adult_data()

# 亚马逊 Electronics 评论数据集，走完整的下载 -> 转 DataFrame -> id 重映射 -> 构造训练/测试集流程
ed = ElectronicsData()
ed.init_data()
ed.build_dataset()

已知局限（如实说明）

• 两部分代码之间没有依赖关系，只是放在同一个仓库里的独立学习笔记，不构成一个完整的框架或产品。
• funcode/data/download.py 数据保存路径硬编码为 Google Colab 风格的 /content/tmp/，直接使用需要自行修改。
• attention_decoder.py 依赖已经停止维护的旧版独立 keras 包（非 tensorflow.keras），在现代 TensorFlow/Keras 版本下大概率无法直接运行。

---

关于 farfarfun

farfarfun 是一个专注于实用工具库的开源组织， 涵盖云存储、数据处理、AI、多媒体与开发工具链等方向。

• 🏠 组织主页：https://github.com/farfarfun
• 📦 PyPI：https://pypi.org/user/niuliangtao/
• 📧 联系：farfarfun@qq.com

本项目基于 MIT 协议开源。