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()
入门指南
自带
扩展 PyKEEN
参考
- 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_BENCHMARKSPYKEEN_CHECKPOINTSPYKEEN_DATASETSPYKEEN_EXPERIMENTSPYKEEN_HOMEPYKEEN_LOGSConstrainerDeviceHintGaussianDistributionHeadRepresentationInductiveModeInitializerLabeledTriplesMutationNormalizerRelationRepresentationTailRepresentationTargetTargetColumnTorchRandomHintcast_constrainer()normalize_rank_type()normalize_target()
- 灵活的权重检查点
pykeen.nn- Utilities
BiasExtraReprMixinNoRandomSeedNecessaryResultall_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()composecreate_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()