Model

class unike.module.model.Model(*args: Any, **kwargs: Any)

继承自 unike.module.BaseModule，仅仅增加了两个属性：ent_tol 和 rel_tol。

__call__(*args: Any, **kwargs: Any) → Any

Call self as a function.

__init__(ent_tol: int, rel_tol: int)

创建 Model 对象。

参数:

• ent_tol (int) – 实体的个数

• rel_tol (int) – 关系的个数

static __new__(cls, *args: Any, **kwargs: Any) → Any

__repr__() → str

Return repr(self).

__weakref__

list of weak references to the object (if defined)

ent_tol: int

实体的种类

forward() → torch.Tensor

定义每次调用时执行的计算。该方法未实现，子类必须重写该方法，否则抛出 NotImplementedError 错误。

torch.nn.Module 子类必须重写 torch.nn.Module.forward()。

返回:

三元组的得分

返回类型:

torch.Tensor

get_parameters(mode: str = 'numpy', param_dict: dict[str, Any] | None = None) → dict[str, numpy.ndarray] | dict[str, list] | dict[str, torch.Tensor]

获得模型权重。

参数:

• mode – 模型保存的格式，可以选择 numpy 、 list 和 Tensor 。

• param_dict (dict[str, Any] | None) – 可以选择从哪里获得模型权重。

返回:

模型权重字典。

返回类型:

dict[str, numpy.ndarray] | dict[str, list] | dict[str, torch.Tensor]

load_checkpoint(path: str)

加载模型权重。

参数:

path (str) – 模型保存的路径

load_parameters(path: str)

加载模型权重。

参数:

path (str) – 模型保存的路径

pi_const: torch.nn.parameter.Parameter

常数 pi

predict() → torch.Tensor

KGE 模型的推理方法。该方法未实现，子类必须重写该方法，否则抛出 NotImplementedError 错误。

返回:

三元组的得分

返回类型:

torch.Tensor

rel_tol: int

关系的种类

save_checkpoint(path: str)

保存模型权重。

参数:

path (str) – 模型保存的路径

save_parameters(path: str)

用 json 格式保存模型权重。

参数:

path (str) – 模型保存的路径

set_parameters(parameters: dict[str, Any])

加载模型权重。

参数:

parameters (dict[str, Any]) – 模型权重字典。

tri2emb(triples: torch.Tensor, negs: torch.Tensor | None = None, mode: str = 'single') → tuple[torch.Tensor, torch.Tensor, torch.Tensor]

返回三元组对应的嵌入向量。

参数:

• triples (str) – 正确的三元组

• negs (torch.Tensor) – 负三元组类别

• mode – 模式

返回:

头实体、关系和尾实体的嵌入向量

返回类型:

tuple[torch.Tensor, torch.Tensor, torch.Tensor]

zero_const: torch.nn.parameter.Parameter

常数 0