Update app.py

app.py

@@ -43,16 +43,23 @@ def embed_product_data(product_data):
     category_embedding = category_embedding_layer(torch.tensor([category_id]))
     color_embedding = color_embedding_layer(torch.tensor([color_id]))
 
+    # 모든 임베딩 벡터 차원 맞추기
+    category_embedding = category_embedding.view(1, -1)  # 2D로 변환
+    color_embedding = color_embedding.view(1, -1)        # 2D로 변환
+
     # 최종 임베딩 벡터 결합
     product_embedding = torch.cat(
         (text_embedding, category_embedding, color_embedding), dim=1
     )
+
+    print(f"Generated product_embedding shape: {product_embedding.shape}")  # Debugging
+    
     return product_embedding.detach().numpy()
 
 # 사용자 타워: 데이터 임베딩
 def embed_user_data(user_data):
     # 나이, 성별, 키, 몸무게 임베딩 (임베딩 레이어)
-    embedding_layer = Embedding(num_embeddings=100, embedding_dim=32)  # 임의로 설정된 예시 값
+    embedding_layer = Embedding(num_embeddings=100, embedding_dim=128)  # 임의로 설정된 예시 값
 
     # 예를 들어 성별을 'M'은 0, 'F'는 1로 인코딩
     gender_id = 0 if user_data['gender'] == 'M' else 1
@@ -170,7 +177,4 @@ def recommend_products_for_user(user_id, top_n=1):
 # 사용자 맞춤 추천 실행
 user_id_to_recommend = 1  # 추천할 사용자 ID
 top_n_recommendations = 1  # 추천 상품 개수
-recommended_products = recommend_products_for_user(user_id_to_recommend, top_n=top_n_recommendations)
-
-print(f"user_embedding shape: {user_embedding.shape}")
-print(f"product_embeddings shape: {product_embeddings.shape}")
+recommended_products = recommend_products_for_user(user_id_to_recommend, top_n=top_n_recommendations)