typedb ml
TypeDB-ML 0.3.0
以前はKglibとして知られていました。
TypedB-MLは、TypedBでグラフアルゴリズムと機械学習を有効にするツールを提供します。
NetworkXとPytorch Geometric（PYG）の統合があります。
NetworkX Integrationを使用すると、TypedBからエクスポートされたグラフデータを介してアルゴリズムの大きなライブラリを使用できます。
Pytorch Geometric（PYG）統合により、TypedBデータのグラフニューラルネットワーク（GNNS）を構築するためのツールボックスがあり、リンク予測（または：TypedB用語でのバイナリ関係予測）の例が含まれています。 GNNの構造は完全にカスタマイズ可能であり、グラフの注意やグラフトランスが組み込まれているなどの一般的なトピック用のネットワークコンポーネントがあります。
build_graph_from_queries ）に組み合わせます。DataSetオブジェクト。各グラフは、PYG Dataオブジェクトに変換されます。HeteroDataオブジェクトを使用することは最も自然です。 DataからHeteroDataへの変換はPYGで利用できますが、ノード順序情報を失います。これを改善するために、typedB-Mlはstore_concepts_by_typeを提供して、 HeteroDataオブジェクトと一致するコンセプトを保存します。これにより、学習が終了した後、概念を予測と適切に再関連付けできます。FeatureEncoderエンコーダー。HeteroDataのテンソルボードの使用例特にTypedB-MLが開始された理由を理解するために、次のリソースが役立つ場合があります。
python> = 3.7.x
ここからrequirements.txtファイルをつかみ、 pip install -r requirements.txtを使用して要件をインストールします。txt。これは、PYGの依存関係をインストールする複雑さが原因であるためです。詳細については、こちらをご覧ください。
インストールtypedb-ml： pip install typedb-ml 。
typedb 2.11.1バックグラウンドで実行されます。
typedb-client-python 2.11.x（pypi、githubリリース）。 pip install typedb-mlときに、これを自動的にインストールする必要があります。
pytorchの幾何学的な不均一リンク予測の例を見て、typedb-mlを使用してtypedbデータにGNNを構築する方法を確認してください。
開発の会話に従うには、Vaticleの不一致に参加し、 #typedb-mlチャンネルに参加してください。または、Vaticleディスカッションフォーラムで新しいトピックを開始します。
TypedB-MLでは、データをtypedBまたはtypedBクラスターインスタンスに移行する必要があります。これをどのように進めるかについての公式の例と、ドキュメントの移行に関する情報が利用可能です。あるいは、TypedB OSIには、TypedBローダーなどの高速かつ簡単なデータの読み込みを促進するために、素晴らしいコミュニティ主導のプロジェクトが成長しています。
PIPを使用してインストールすることが期待されていますが、ライブラリに独自の変更を加えてプロジェクトにインポートする必要がある場合は、次のようにソースから構築できます。
クローンtypedb-ml：
git clone [email protected]:vaticle/typedb-ml.git
プロジェクトディレクトリに移動します：
cd typedb-ml
すべてのターゲットを構築する：
bazel build //...
すべてのテストを実行します。 PATHにPython 3.7+が必要です。テスト依存関係は、CI環境であるため、Linuxのものです。
bazel test //typedb_ml/... --test_output=streamed --spawn_strategy=standalone --action_env=PATH
PIPディストリビューションを構築します。 bazel-binへの出力：
bazel build //:assemble-pip
