本文是“基于Tensorflow高阶API构建大规模分布式深度学习模型系列”的第五篇，旨在通过一个完整的案例巩固一下前面几篇文章中提到的各类高阶API的使用方法，同时演示一下用tensorflow高阶API构建一个比较复杂的分布式深度学习模型的完整过程。

文本要实现的深度学习模式是阿里巴巴的算法工程师18年刚发表的论文《Entire Space Multi-Task Model: An Effective Approach for Estimating Post-Click Conversion Rate》中提出的ESMM模型，关于该模型的详细介绍可以参考我之前的一篇文章：《CVR预估的新思路：完整空间多任务模型》。

使用说明

使用前需要先构建好tfrecord格式的样本数据。针对特定的任务，可以修改parse tfrecord的方法。

推荐阅读

1. 基于Tensorflow高阶API构建大规模分布式深度学习模型系列: 开篇
2. 基于Tensorflow高阶API构建大规模分布式深度学习模型系列：基于Dataset API处理Input pipeline
3. 基于Tensorflow高阶API构建大规模分布式深度学习模型系列: 自定义Estimator（以文本分类CNN模型为例）
4. 基于Tensorflow高阶API构建大规模分布式深度学习模型系列:特征工程 Feature Column
5. 基于Tensorflow高阶API构建大规模分布式深度学习模型系列:CVR预估案例之ESMM模型

后记

• 欢迎关注我的知乎专栏：算法工程师的自我修养
• 欢迎收藏我的个人博客，会不定期更新：https://yangxudong.github.io， 或者国内镜像：https://xudongyang.coding.me