DeepFM.load_from_checkpoint没有这个方法

`DeepFM.load_from_checkpoint()` 是 Pytorch Lightning 中 `pl.LightningModule` 的方法，它可以从已保存的 checkpoints 加载模型权重。如果你想从 checkpoint 加载 DeepFM 模型，那么需要确认以下几点：

1. 你已经安装了 Pytorch Lightning；
2. DeepFM 模型继承了 `pl.LightningModule`；
3. 你已经通过 Pytorch Lightning 的 `Trainer` 训练了 DeepFM 模型，并保存了 checkpoint 文件。

如果以上条件都满足，那么可以通过以下代码来加载 DeepFM 模型：

import torch
from deepctr_torch.models import DeepFM
from pytorch_lightning.utilities.cloud_io import load as pl_load

# 加载 checkpoint 文件
checkpoint = torch.load("path/to/checkpoint.ckpt", map_location=torch.device("cpu"))

# 加载 DeepFM 模型
deepfm = DeepFM(**checkpoint["hyper_parameters"])
deepfm.load_state_dict(checkpoint["state_dict"])

# 将 DeepFM 模型转换为 Pytorch Lightning 模块
pl_model = deepfm.to_lightning_module()

# 从 checkpoint 中恢复训练状态
pl_model.load_state_dict(checkpoint["state_dict"])

# 或者使用 Pytorch Lightning 提供的 load_from_checkpoint() 方法
# pl_model = DeepFM.load_from_checkpoint("path/to/checkpoint.ckpt")

注意，如果你使用了 Pytorch Lightning 的其他特性，例如自定义优化器、学习率调度器等等，那么在加载模型时需要进行相应的处理。具体来说，需要手动将所有相关的 Pytorch 模块转换为 Pytorch Lightning 模块，并将它们与 DeepFM 组合起来，最终形成一个完整的 Pytorch Lightning 模块。