DSSM可以用于粗排，而且其优化的目标就是CTR，因此做排序是自然而然的。但用来做召回也是可以的，因为可以将DSSM分割成user_model和item_model，然后user和item特征分别过模型，分别得到全部的user和item的向量，然后进行faiss召回，这样得到的召回top item 与过整个模型是否有差别呢？下面进行试验，用事实说话。采用EasyRec来做。【后面发现split分割后存储不了模型，因此召回模型全部采用另一个框架来做（附最后）】
1、DSSM模型分割
先将模型分割成两个模型，模型包含各个特征的embedding部分以及DNN部分，分别为User和item模型。下面是实现的步骤：
python ../easy_rec/python/tools/split_model_pai.py --model_dir ../conf/dssm/_ckpt/export/final/ --user_model_dir ../conf/dssm/userModel/ --item_model_dir ../conf/dssm/itemModel/
Traceback (most recent call last):
File "../easy_rec/python/tools/split_model_pai.py", line 276, in <modul