feat: model_config 支持 summaries_set（PCOC / scalars）训练期 TensorBoard 监控

[fooSynaptic]

背景

参考Issue：#532

训练过程中 在 TensorBoard 里直接看到 PCOC（预估 CTR / 真实 CTR），并支持按某个特征取值（例如 c1=1005）查看该子人群上的平均预估。原先 eval_config.metrics_set 无法满足「训练期写 summary + 特征切片」的需求。

设计思路

1. 配置入口放在 model_config.summaries_set，与模型输出（prediction_dict）同层，而不是 eval_config。
2. 两类 summary，职责分离：
   • pcoc：全 batch 的 mean(预估) / mean(标签)，不做特征切片；
   • scalars：对 pred_name 指定输出做 mean(预估)，可通过 feature_name + feature_value 做样本过滤（不算 PCOC）。
3. 训练图构建：EasyRecEstimator 在 model_fn 中调用 model.build_summary_graph()；RankModel 遍历 summaries_set 写入 tf.summary.scalar。
4. pred_name 解析：从 prediction_dict 取张量；若 key 为 logits / logits_* 则先 sigmoid。
5. 数值特征切片：RawFeature 在 feature_dict 中为 float（如 1005.0），切片匹配时按数值比较，避免 as_string 变成 1005.000000 导致与配置 "1005" 不一致。

改动文件

文件	说明
easy_rec/python/protos/summary.proto	新增 PCOC / Scalars / ModelSummaries
easy_rec/python/protos/easy_rec_model.proto	EasyRecModel 增加 summaries_set
easy_rec/python/model/rank_model.py	实现 build_summary_graph 及切片逻辑
easy_rec/python/model/easy_rec_estimator.py	训练时调用 summary 构图
easy_rec/python/model/easy_rec_model.py	基类空实现
easy_rec/python/test/eval_summary_test.py	单元测试
samples/model_config/deepfm_combo_on_avazu_ctr.config	配置示例（英文注释）

配置示例

model_config {
  summaries_set {
    pcoc {
      # pred_name: "probs"   # 默认；logits 会先 sigmoid
      # epsilon: 1e-7
    }
  }
  summaries_set {
    scalars {
      name: "c1_1005_pred"      # TensorBoard: summary/c1_1005_pred
      pred_name: "probs"
      feature_name: "c1"
      feature_value: "1005"
    }
  }
}

多塔模型在顶层通过 pred_name: "probs_ctr" 等区分任务，无需在 task_towers 重复配置。

TensorBoard 标签

配置类型	写入标签
pcoc	summary/pcoc、summary/predicted_ctr、summary/observed_ctr
scalars	summary/<name>

测试结论

1. 单元测试

python -m easy_rec.python.test.eval_summary_test

结果：2/2 通过

• proto 解析 summaries_set（pcoc + scalars）
• PCOC 图数值：pcoc = mean(pred)/mean(label) 校验通过
• scalars 切片：float 特征 c1=1005.0 与 feature_value: "1005" 匹配，输出 0.9

2. 样本端到端（deepfm_combo_on_avazu_ctr.config，50 step）

数据：data/test/dwd_avazu_ctr_deepmodel_10w.csv（c1=1005 约占 90.7%）

标签	实测值	说明
summary/predicted_ctr	0.660	全 batch 平均预估
summary/observed_ctr	0.176	全 batch 平均标签
summary/pcoc	3.753	与 predicted/observed 一致
summary/c1_1005_pred	0.657	切片非零，且接近全局预估

校验项：四个 tag 均写入 events；pcoc ≈ predicted_ctr / (observed_ctr + 1e-7)；c1_1005_pred > 0。通过

3. 回归

test_deepfm_with_combo_feature（同 sample 默认训练流程）通过。