预测_h_不确定性

predict_h_uncertain(model: Model, rt_batch: Tensor, num_samples: int = 5, slice_size: int | None = None, *, mode: Literal['training', 'validation', 'testing'] | None = None) → UncertainPrediction

使用左侧（头部）预测进行前向传递，以获取所有可能头部的分数。

此方法为每个（关系，尾）对计算所有可能头部的得分，以及不确定性量化。

注意

如果模型已经用逆关系进行了训练，预测头实体的任务就变成了预测逆三元组的尾实体的任务，即\(f(*,r,t)\)通过\(f(t,r_{inv},*)\)来预测。

Parameters:

• model (Model) – 用于预测分数的模型

• rt_batch (Tensor) – 形状: (batch_size, 2) (关系, 尾部) 对的索引。

• slice_size (int | None) – >0 使用切片时评分函数的除数。

• num_samples (int) – >1 要抽取的样本数量

• mode (Literal['training', 'validation', 'testing'] | None) – 传递模式，在传导设置中为None，在归纳设置中为“training”、“validation”或“testing”之一。

Returns:

形状: (batch_size, num_entities) 对于每个r-t对，所有可能头部的分数。

此函数通过使用predict_uncertain_helper()委托给 pykeen.models.Model.score_h()（或pykeen.models.Model.score_h_inverse() 如果模型使用逆三元组）作为score_method。

Return type:

UncertainPrediction

警告

此函数将模型设置为评估模式，并将所有dropout层设置为训练模式。