TensorFlow2实现协同过滤算法中的矩阵分解（首家基于TS2版本）

目标：
用TensorFlow2，实现协同过滤算法中的矩阵分解。网上找的绝大部分是基于一个模板复制出来的，且基于TensorFlow1，因此本人亲自动手，用TensorFlow2实现。
好奇为什么TensorFlow2不帮我们实现了，在Spark中，直接调用spark.mllib.recommendation.ALS() 就好了。

内容：
在推荐系统中，协同过滤算法是很常用的推荐算法。中心思想：物以类聚，人以群分。也就是口味相同的人，把他喜欢的物品或者电影歌曲推荐给你；或者是将你喜欢的物品，类似的物品推荐给你。 整体流程： 1、 获取用户对商品的评分、购买记录等 2、 构造协同矩阵M 3、 基于矩阵进行分解M=U*V 4、 利用要推荐的物品或者用户，和U或者V计算相似度

代码：
TensorFlow2可以自动帮你求导更新参数，太方便了，你要做的就是构造损失函数loss而已。 loss函数可以理

TensorFlow2实现协同过滤算法中的矩阵分解（首家基于TS2版本）最先出现在Python成神之路。