PyKEEN
PyKEEN 是一个用于可重复、简便的知识图谱嵌入的 Python 包。
最快上手的方法是使用pykeen.pipeline.pipeline()
函数。
它提供了一个高级入口,用于扩展此包的功能。以下示例展示了如何通过名称引用在Nations数据集(pykeen.datasets.Nations
)上训练和评估TransE模型(pykeen.models.TransE
)。默认情况下,训练循环使用随机封闭世界假设训练方法(pykeen.training.SLCWATrainingLoop
),并通过基于排名的评估方法进行评估(pykeen.evaluation.RankBasedEvaluator
)。
>>> from pykeen.pipeline import pipeline
>>> result = pipeline(
... model='TransE',
... dataset='Nations',
... )
结果以pykeen.pipeline.PipelineResult
实例的形式返回,该实例具有训练模型、训练循环和评估的属性。
PyKEEN 有一个函数 pykeen.env()
,它可以神奇地打印出有关 PyTorch、CUDA 和您的操作系统的相关版本信息,这些信息可以用于调试。
如果您在 Jupyter 笔记本中,它将以 HTML 表格的形式漂亮地打印出来。
>>> import pykeen
>>> pykeen.env()
- Pipeline
- Models
- Datasets
- 归纳数据集
- 实体对齐
- Triples
- Triples Workflows
- 培训
- Stoppers
- 损失函数
- Regularizers
- 结果追踪器
- 负采样
- 过滤
- Optimizers
- 评估
- Metrics
- 超参数优化
- Ablation
- Prediction
- 不确定性
- Sealant
- 常量
PYKEEN_BENCHMARKS
PYKEEN_CHECKPOINTS
PYKEEN_DATASETS
PYKEEN_EXPERIMENTS
PYKEEN_HOME
PYKEEN_LOGS
Constrainer
DeviceHint
GaussianDistribution
HeadRepresentation
InductiveMode
Initializer
LabeledTriples
Mutation
Normalizer
RelationRepresentation
TailRepresentation
Target
TargetColumn
TorchRandomHint
cast_constrainer()
normalize_rank_type()
normalize_target()
- 灵活的权重检查点
pykeen.nn
- Utilities
Bias
ExtraReprMixin
NoRandomSeedNecessary
Result
all_in_bounds()
at_least_eps()
batched_dot()
broadcast_upgrade_to_sequences()
calculate_broadcasted_elementwise_result_shape()
check_shapes()
clamp_norm()
combine_complex()
compact_mapping()
complex_normalize()
compose
create_relation_to_entity_set_mapping()
einsum()
ensure_complex()
ensure_ftp_directory()
ensure_torch_random_state()
ensure_tuple()
estimate_cost_of_sequence()
extend_batch()
fix_dataclass_init_docs()
flatten_dictionary()
format_relative_comparison()
get_batchnorm_modules()
get_benchmark()
get_connected_components()
get_devices()
get_df_io()
get_dropout_modules()
get_edge_index()
get_expected_norm()
get_json_bytes_io()
get_model_io()
get_optimal_sequence()
get_preferred_device()
get_until_first_blank()
invert_mapping()
is_triple_tensor_subset()
isin_many_dim()
logcumsumexp()
lp_norm()
negative_norm()
negative_norm_of_sum()
nested_get()
normalize_path()
normalize_string()
powersum_norm()
prepare_filter_triples()
project_entity()
random_non_negative_int()
rate_limited()
resolve_device()
set_random_seed()
split_complex()
split_workload()
tensor_product()
tensor_sum()
triple_tensor_to_set()
unpack_singletons()
upgrade_to_sequence()
view_complex()
env()
get_git_branch()
get_git_hash()
get_version()