摘要：
基础概念 tensor:张量（数据） operation(op):专门运算的操作节点，所有操作都是一个op grap:图，整个程序的结构 Session:会话，运算程序的图 Tensorflow属于计算密集型，大多是在cpu上进行计算。 图 图默认已经注册，一组表示tf.Operation计算单位的 阅读全文
摘要：
变量管理 随着神经网络的结构更加复杂，参数更多时，需要一个更好的方式来传递和管理变量。在TF中提供了通过变量的名字来创建或者获取一个变量的机制，通过这个机制不同函数可以直接通过变量的名字来直接使用变量。这机制主要是通过tf.get_variable和tf.variable_scope实现的。 tf. 阅读全文
摘要：
代码链接： https://github.com/ZichaoHuang/TransE 代码笔记： batch-size： batch-size中文翻译是批量大小，所谓的批量是指学习样本的数量，因为在训练模型时需要将样本图像全部读入到内存中，这么做的原因是提升收敛速度。 如果每次读一个图像到内存然后 阅读全文
摘要：
OpenKE是THUNLP基于TensorFlow,PyTorch开发的用于将知识图谱嵌入到低维连续向量空间进行表示的开源框架。在OpenKE中，我们提供了快速且稳定的各类接口，也实现了诸多经典的知识表示学习模型。该框架易于扩展，基于框架设计新的知识表示模型也十分的方便。具体来说，OpenKE具有如 阅读全文
摘要：
TransE是一种常见的知识图谱嵌入方法，它需要一个包含实体，关系和三元组的知识图谱数据作为输入。以下是制作TransE数据集的一般步骤： 1.收集知识图谱数据：首先需要收集实体和关系的信息，这可以通过网站，数据库或其他来源获得。这些数据通常以三元组的形式呈现，其中每个三元组包含一个头实体，一个关系 阅读全文
摘要：
梯度下降法 大多数机器学习或者深度学习算法都涉及某种形式的优化。优化指的是改变特征x以最小化或最大化某个函数f(x)的任务。我们通常以最小化f(x)指代大多数最优化问题。最大化可经由最小化算法最小化-f(x)来实现。 我们要把最小化或最大化的函数称为目标函数或准则。当我们对其进行最小化时，我们也把它 阅读全文
摘要：
TransD:"Knowledge Graph Embedding via Dynamic Mapping Matrix"(ACL2015) 动机：不同类型的实体有不同的属性和作用，如果将全部实体都映射到同一空间，使用同一参数进行传递表示时不充分的。本质上应该如果是相似的实体，他们应该是具有相似的映 阅读全文
摘要：
TransR:实体和关系分开嵌入(Learning Entity and Relation Embeddings for Knowledge Graph Completion) 一.摘要 知识图谱补全旨在执行实体之间的链接预测。在本文中，我们考虑了知识图嵌入的方法。最近，诸如TransE和Trans 阅读全文
摘要：
传统的训练函数，一个batch是这么训练的： for i,(images,target) in enumerate(train_loader): # 1. input output images = images.cuda(non_blocking=True) target = torch.from 阅读全文
摘要：
TransH:将知识嵌入到超平面(Knowledge graph embedding by translating on hyperplanes) 1.从TransE到TransH模型 在之前的文章知识图谱-TransE模型原理中，我们介绍了TransE模型的基本原理，对于TransE模型而言，其核 阅读全文