typedb ml
TypeDB-ML 0.3.0
以前稱為kglib。
TypedB-ML提供了使用TypedB啟用圖形算法和機器學習的工具。
有網絡X和Pytorch幾何（PYG）的集成。
NetworkX集成使您可以通過從TypedB導出的圖形數據來使用大型算法庫。
Pytorch幾何（PYG）集成為您為您的TypeDB數據構建圖形神經網絡（GNNS）的工具箱，其中包含用於鏈接預測的示例（OR：：：：：：：以類型為trigeb enter）。 GNN的結構是完全可自定義的，其網絡組件用於流行主題，例如Graph Guate和Graph Transformers內置。
build_graph_from_queries ）。DataSet對像從鍵入實例中懶洋洋加載圖。每個圖都轉換為PYG Data對象。HeteroData對像是最自然的，因為TypedB中的所有數據均具有類型。 PYG中有從Data轉換為HeteroData ，但它會丟失節點訂購信息。為了解決這個問題，TypedB-ML提供store_concepts_by_type來存儲與HeteroData對像一致的概念。這使概念能夠在學習完成後正確地與預測相關。FeatureEncoder以生成圖形功能的功能編碼器。HeteroData的張板用法您可能會發現以下資源有用，尤其是了解為什麼鍵入ML開始：
python> = 3.7.x
從此處獲取requirements.txt pip install -r requirements.txt這是由於安裝PYG的依賴關係的一些複雜性，有關詳細信息，請參見此處。
已安裝的TypedB-ML： pip install typedb-ml 。
TypedB 2.11.1在後台運行。
typedb-client-python 2.11.x（PYPI，github釋放）。 pip install typedb-ml時，應自動安裝此功能。
看看Pytorch幾何異質鏈接預測示例，以查看如何使用TypedB-ML在TypedB數據上構建GNN。
要關注開發對話，請加入Vaticle Discord，並加入#typedb-ml頻道。或者，在Vaticle討論論壇上開始一個新主題。
TypedB-ML要求您將數據遷移到TypedB或TypedB群集實例中。有一個官方示例回購有關如何進行此操作以及有關文檔中遷移的信息。另外，在TypedB OSI中有一個出色的社區主導項目，以促進快速簡便的數據加載，例如TypedB加載程序。
預計您將使用PIP安裝，但是如果您需要對庫進行更改，並將其導入項目，則可以從源中構建如下：
克隆TypedB-ML：
git clone [email protected]:vaticle/typedb-ml.git
進入項目目錄：
cd typedb-ml
建立所有目標：
bazel build //...
運行所有測試。在您的PATH上需要python 3.7+。測試依賴性是針對Linux的，因為這是CI環境：
bazel test //typedb_ml/... --test_output=streamed --spawn_strategy=standalone --action_env=PATH
構建PIP分佈。輸出到bazel-bin ：
bazel build //:assemble-pip
