add contrastive learning CL4SRec

docs/source/component/backbone.md

@@ -768,6 +768,8 @@ MovieLens-1M数据集效果：
 | MultiTower          | 1     | 0.8814 |
 | ContrastiveLearning | 1     | 0.8728 |
 
+一个更复杂一点的对比学习模型案例：[CL4SRec](../models/cl4srec.md)
+
 ## 案例8：多目标模型 MMoE
 
 多目标模型的model_class一般配置为"MultiTaskModel"，并且需要在`model_params`里配置多个目标对应的Tower。`model_name`为任意自定义字符串，仅有注释作用。
@@ -962,6 +964,7 @@ MovieLens-1M数据集效果：
 
 - DIN模型配置文件：[DIN_backbone.config](https://github.com/alibaba/EasyRec/blob/master/samples/model_config/din_backbone_on_taobao.config)
 - BST模型配置文件：[BST_backbone.config](https://github.com/alibaba/EasyRec/blob/master/samples/model_config/bst_backbone_on_taobao.config)
+- CL4SRec模型：[CL4SRec](../models/cl4srec.md)
 
 其他模型：
 
@@ -1006,7 +1009,7 @@ MovieLens-1M数据集效果：
 | ---------- | ---------------- | ------------------- | ------------------------------------------------------------------------------------------------------------------------ |
 | DIN        | target attention | DIN模型的组件            | [DIN_backbone.config](https://github.com/alibaba/EasyRec/blob/master/samples/model_config/din_backbone_on_taobao.config) |
 | BST        | transformer      | BST模型的组件            | [BST_backbone.config](https://github.com/alibaba/EasyRec/blob/master/samples/model_config/bst_backbone_on_taobao.config) |
-| SeqAugment | 序列数据增强           | crop, mask, reorder | [CL4SRec](../models/cl4srec.html)                                                                                        |
+| SeqAugment | 序列数据增强           | crop, mask, reorder | [CL4SRec](../models/cl4srec.html#id2)                                                                                        |
 
 ## 5. 多目标学习组件
 

docs/source/models/cl4srec.md

@@ -153,6 +153,8 @@ model_config: {
 - backbone: 通过组件化的方式搭建的主干网络，[参考文档](../component/backbone.md)
   - blocks: 由多个`组件块`组成的一个有向无环图（DAG），框架负责按照DAG的拓扑排序执行个`组件块`关联的代码逻辑，构建TF Graph的一个子图
   - name/inputs: 每个`block`有一个唯一的名字（name），并且有一个或多个输入(inputs)和输出
+  - package: package可以打包一组block，构成一个可被复用的子网络，即被打包的子网络以共享参数的方式在同一个模型中调用多次
+  - use_package_input: 当`package`的输入是动态的时，设置该输入占位符，表示当前`block`的输入由调用`package`时指定
   - keras_layer: 加载由`class_name`指定的自定义或系统内置的keras layer，执行一段代码逻辑；[参考文档](../component/backbone.md#keraslayer)
   - SeqAugment: 序列数据增强的组件，参数详见[参考文档](../component/component.md#id5)
   - AuxiliaryLoss: 计算辅助任务损失函数的组件，参数详见[参考文档](../component/component.md#id7)

easy_rec/python/layers/backbone.py

@@ -134,6 +134,9 @@ def __init__(self, config, features, input_layer, l2_reg=None):
             fn = EnhancedInputLayer(self._input_layer, self._features, iname)
             self._name_to_layer[iname] = fn
           elif Package.has_backbone_block(iname):
+            backbone = Package.__packages['backbone']
+            backbone._dag.add_node_if_not_exists(self._config.name)
+            backbone._dag.add_edge(iname, self._config.name)
             num_pkg_input += 1
           else:
             raise KeyError(
@@ -180,9 +183,6 @@ def has_block(self, name):
   def block_outputs(self, name):
     return self._block_outputs.get(name, None)
 
-  # def add_edge(self, src, dest):
-  #   self._dag.add_edge(src, dest)
-
   def block_input(self, config, block_outputs, training=None):
     inputs = []
     for input_node in config.inputs:

easy_rec/python/layers/keras/data_augment.py

@@ -37,7 +37,7 @@ def item_crop(aug_data, length, crop_rate):
   zeros = tf.zeros_like(aug_data)
   x = aug_data[crop_begin:crop_begin + num_left]
   y = zeros[:max_length - num_left]
-  cropped = tf.concat([x, y], axis=0),
+  cropped = tf.concat([x, y], axis=0)
   cropped_item_seq = tf.where(
       crop_begin + num_left < max_length, cropped,
       tf.concat([aug_data[crop_begin:], zeros[:crop_begin]], axis=0))