typedb ml
TypeDB-ML 0.3.0
以前称为kglib。
TypedB-ML提供了使用TypedB启用图形算法和机器学习的工具。
有网络X和Pytorch几何（PYG）的集成。
NetworkX集成使您可以通过从TypedB导出的图形数据来使用大型算法库。
Pytorch几何（PYG）集成为您为您的TypeDB数据构建图形神经网络（GNNS）的工具箱，其中包含用于链接预测的示例（OR：：：：：：：以类型为trigeb enter）。 GNN的结构是完全可自定义的，其网络组件用于流行主题，例如Graph Guate和Graph Transformers内置。
build_graph_from_queries ）。DataSet对象从键入实例中懒洋洋加载图。每个图都转换为PYG Data对象。HeteroData对象是最自然的，因为TypedB中的所有数据均具有类型。 PYG中有从Data转换为HeteroData ，但它会丢失节点订购信息。为了解决这个问题，TypedB-ML提供store_concepts_by_type来存储与HeteroData对象一致的概念。这使概念能够在学习完成后正确地与预测相关。FeatureEncoder以生成图形功能的功能编码器。HeteroData的张板用法您可能会发现以下资源有用，尤其是了解为什么键入ML开始：
python> = 3.7.x
从此处获取requirements.txt pip install -r requirements.txt这是由于安装PYG的依赖关系的一些复杂性，有关详细信息，请参见此处。
已安装的TypedB-ML： pip install typedb-ml 。
TypedB 2.11.1在后台运行。
typedb-client-python 2.11.x（PYPI，github释放）。 pip install typedb-ml时，应自动安装此功能。
看看Pytorch几何异质链接预测示例，以查看如何使用TypedB-ML在TypedB数据上构建GNN。
要关注开发对话，请加入Vaticle Discord，并加入#typedb-ml频道。或者，在Vaticle讨论论坛上开始一个新主题。
TypedB-ML要求您将数据迁移到TypedB或TypedB群集实例中。有一个官方示例回购有关如何进行此操作以及有关文档中迁移的信息。另外，在TypedB OSI中有一个出色的社区主导项目，以促进快速简便的数据加载，例如TypedB加载程序。
预计您将使用PIP安装，但是如果您需要对库进行更改，并将其导入项目，则可以从源中构建如下：
克隆TypedB-ML：
git clone [email protected]:vaticle/typedb-ml.git
进入项目目录：
cd typedb-ml
建立所有目标：
bazel build //...
运行所有测试。在您的PATH上需要python 3.7+。测试依赖性是针对Linux的，因为这是CI环境：
bazel test //typedb_ml/... --test_output=streamed --spawn_strategy=standalone --action_env=PATH
构建PIP分布。输出到bazel-bin ：
bazel build //:assemble-pip
