pykeen Logo

入门指南

  • 安装
  • First Steps
  • 知识图谱嵌入模型
  • 训练期间的跟踪结果
    • 使用 MLflow
    • 使用 Neptune.ai
    • 使用Weights and Biases
    • 使用 Tensorboard
    • 使用基于文件的跟踪
  • 训练期间保存检查点
  • 使用平移距离模型的玩具示例
  • 理解评估
  • 优化模型的超参数
  • 运行消融研究
  • 性能技巧
  • Representations
  • NodePiece入门指南
  • 归纳链接预测
  • Splitting
  • PyTorch Lightning 集成
  • 使用解析器
  • 故障排除

自带

  • Bring Your Own Data
  • Bring Your Own Interaction

扩展 PyKEEN

  • 扩展数据集
  • 扩展模型

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
  • 灵活的权重检查点
  • pykeen.nn
  • Utilities

附录

  • 分析
  • 参考文献
pykeen
  • Tracking Results during Training
  • View page source

训练期间的跟踪结果

结果追踪器

  • 使用 MLflow
    • Pipeline Example
    • HPO 示例
    • 重用实验
    • 添加标签
  • 使用 Neptune.ai
    • Preparation
    • Pipeline 示例
    • 重用实验
    • 添加标签
  • 使用Weights and Biases
    • Pipeline 示例
    • HPO 示例
  • 使用 Tensorboard
    • 安装 Tensorboard
    • 启动 Tensorboard
    • 最小管道示例
    • 指定日志名称
    • 指定自定义日志目录
    • 最小HPO管道示例
  • 使用基于文件的跟踪
    • 使用CSV的最小管道示例
    • 指定名称
    • 与 tail 结合
    • 使用JSON的管道示例
Previous Next

© 版权所有 2019-2024, PyKEEN 项目团队。

Built with Sphinx using a theme provided by Read the Docs.