typedb ml
TypeDB-ML 0.3.0
이전에 Kglib로 알려져 있습니다.
TypEdb-ML은 TypEDB를 사용하여 그래프 알고리즘 및 머신 러닝을 활성화하는 도구를 제공합니다.
NetworkX 및 Pytorch 기하학 (PYG)에 대한 통합이 있습니다.
NetworkX Integration을 사용하면 TypEDB에서 내보낸 그래프 데이터를 통해 대규모 알고리즘 라이브러리를 사용할 수 있습니다.
PYTORCH GEOMETRIC (PYG) 통합은 TYPEDB 데이터에 대한 그래프 신경망 (GNN)을 구축하는 도구 상자를 제공하며 링크 예측에 포함 된 예제 (또는 : 이진 관계 예측, TYPEDB 용어)를 제공합니다. GNN의 구조는 완전히 사용자 정의 할 수 있으며 그래프주의 및 그래프 트랜스포머와 같은 인기있는 주제를위한 네트워크 구성 요소가 있습니다.
build_graph_from_queries )로 결합하십시오.DataSet 객체. 각 그래프는 PYG Data 객체로 변환됩니다.HeteroData 객체와 함께 작업하는 것이 가장 자연 스럽습니다. Data 에서 HeteroData 로의 변환은 PYG에서 사용할 수 있지만 노드 순서 정보를 잃어 버립니다. 이를 해결하기 위해 typedb-ml는 HeteroData 객체와 일치하는 개념을 저장하기 위해 store_concepts_by_type 제공합니다. 이를 통해 학습이 완료된 후 개념이 예측과 올바르게 다시 관련 될 수 있습니다.FeatureEncoder 엔코더.HeteroData 에 대한 텐서 보드의 예제 특히 TypEdB-ML이 시작된 이유를 이해하기 위해 다음 리소스가 유용 할 수 있습니다.
파이썬> = 3.7.x
여기에서 requirements.txt 을 가져 와서 pip install -r requirements.txt 사용하여 요구 사항을 설치하십시오. 이는 PYG의 종속성을 설치하는 몇 가지 복잡성 때문입니다. 자세한 내용은 여기를 참조하십시오.
TypedB-ML 설치 : pip install typedb-ml .
typedb 2.11.1 백그라운드에서 실행됩니다.
typedb-client-python 2.11.x (PYPI, Github 릴리스). pip install typedb-ml 하면 자동으로 설치해야합니다.
Pytorch 기하학적 이종 링크 예측 예를 살펴보고 TypedB-ML을 사용하여 TypedB 데이터에 GNN을 구축하는 방법을 확인하십시오.
개발 대화를 따르려면 Vaticle Discord에 가입하고 #typedb-ml 채널에 가입하십시오. 또는 Vaticle 토론 포럼에서 새로운 주제를 시작하십시오.
Typedb-ML은 데이터를 TypEDB 또는 TypEDB 클러스터 인스턴스로 마이그레이션해야합니다. 이 방법에 대한 공식 사례와 문서의 마이그레이션에 대한 정보가 있습니다. 또는 TypEDB OSI에는 빠르고 쉬운 데이터로드를 용이하게하기 위해 TypEDB OSI에서 환상적인 커뮤니티 주도 프로젝트가 커지고 있습니다.
PIP를 사용하여 설치할 것으로 예상되지만, 라이브러리를 직접 변경하여 프로젝트로 가져와야한다면 다음과 같이 소스에서 구축 할 수 있습니다.
클론 typedb-ml :
git clone [email protected]:vaticle/typedb-ml.git
프로젝트 디렉토리로 이동 :
cd typedb-ml
모든 대상 구축 :
bazel build //...
모든 테스트를 실행하십시오. PATH 에 Python 3.7+가 필요합니다. 테스트 종속성은 CI 환경이므로 Linux의 경우입니다.
bazel test //typedb_ml/... --test_output=streamed --spawn_strategy=standalone --action_env=PATH
PIP 분포를 구축하십시오. bazel-bin 에 대한 출력 :
bazel build //:assemble-pip
