README.md 1.3 KB
Newer Older
H
haidfs 已提交
1 2 3 4 5 6 7 8
该工程代码主要是实现自己阅读过的和知识图谱相关的经典算法的代码:  
1.TransE是知识图谱中知识表示的经典算法,工程实现了训练代码(多进程通信版)和测试代码  
后续如继续进行论文阅读会补充相应的代码  
2.TransE论文地址: https://www.utc.fr/~bordesan/dokuwiki/_media/en/transe_nips13.pdf  
3.TransE SGD解释与代码简单解释: https://blog.csdn.net/weixin_42348333/article/details/89598144  

### 训练部分
#### Simple版本
H
haidfs 已提交
9
./train_fb15k.sh 0
H
haidfs 已提交
10
仅仅使用Python完成对应的训练代码
H
haidfs 已提交
11
#### Manager版本
H
haidfs 已提交
12
./train_fb15k.sh 1
H
haidfs 已提交
13
将TransE类的实例在多进程之间传递
H
haidfs 已提交
14
#### Queue版本
H
haidfs 已提交
15
./train_fb15k.sh 2
H
haidfs 已提交
16 17
将TransE类的训练数据传入队列,减小进程开销,加快训练速度
当训练完成之后,再进行测试
H
haidfs 已提交
18 19
### 测试部分
#### TestTransEMqQueue
H
haidfs 已提交
20
python TestTransEMpQueue.py
H
haidfs 已提交
21
多进程队列测试加速,效果不明显,单个测试例0.5s,测试结束需要近5h。
H
haidfs 已提交
22
#### TestMainTF
H
haidfs 已提交
23
 python TestMainTF.py
H
haidfs 已提交
24
tf与多进程测试加速,效果显著,测试结束仅需要8min左右。
H
haidfs 已提交
25
### 最终测试结果
H
haidfs 已提交
26
![image](https://github.com/haidfs/TransE/blob/master/images/TestResult.png)
H
haidfs 已提交
27 28 29 30 31
### THANKS TO
感谢两位前辈的代码,基本是在他们的基础上学习整理  
https://github.com/wuxiyu/transE  
https://github.com/ZichaoHuang/TransE