TransE-FB15K-single-gpu || TransE-FB15K-single-gpu-wandb || TransE-FB15K-single-gpu-hpo || TransE-FB15K-multigpu || TransE-FB15K-multigpu-wandb || TransE-FB15K237-single-gpu-wandb || TransE-WN18RR-single-gpu-adv-wandb

TransE-FB15K-multigpu

这一部分介绍如何用多个 GPU 在 FB15k 知识图谱上训练 TransE [BUGD+13]。

导入数据

pybind11-OpenKE 有两个工具用于导入数据: pybind11_ke.data.TrainDataLoader 和 pybind11_ke.data.TestDataLoader。

from pybind11_ke.data import KGEDataLoader, BernSampler, TradTestSampler
from pybind11_ke.module.model import TransE
from pybind11_ke.config import trainer_distributed_data_parallel
from pybind11_ke.module.loss import MarginLoss
from pybind11_ke.module.strategy import NegativeSampling

pybind11-KE 提供了很多数据集，它们很多都是 KGE 原论文发表时附带的数据集。 pybind11_ke.data.KGEDataLoader 包含 in_path 用于传递数据集目录。

# dataloader for training
dataloader = KGEDataLoader(
    in_path = "/home/luyanfeng/my_code/github/pybind11-OpenKE/benchmarks/FB15K237/",
    batch_size = 8192*4,
    neg_ent = 25,
    test = True,
    test_batch_size = 256,
    num_workers = 0,
    train_sampler = BernSampler,
    test_sampler = TradTestSampler
)

---

导入模型

pybind11-OpenKE 提供了很多 KGE 模型，它们都是目前最常用的基线模型。我们下面将要导入 pybind11_ke.module.model.TransE，它是最简单的平移模型。

# define the model
transe = TransE(
    ent_tol = dataloader.train_sampler.ent_tol,
    rel_tol = dataloader.train_sampler.rel_tol,
    dim = 50,
    p_norm = 1,
    norm_flag = True
)

---

损失函数

我们这里使用了 TransE [BUGD+13] 原论文使用的损失函数：pybind11_ke.module.loss.MarginLoss， pybind11_ke.module.strategy.NegativeSampling 对 pybind11_ke.module.loss.MarginLoss 进行了封装，加入权重衰减等额外项。

# define the loss function
model = NegativeSampling(
    model = transe,
    loss = MarginLoss(margin = 1.0)
)

---

训练模型

pybind11-OpenKE 将训练循环包装成了 pybind11_ke.config.trainer_distributed_data_parallel() 函数， 进行并行训练，该函数必须由 if __name__ == '__main__' 保护。

if __name__ == "__main__":

    print("Start parallel training...")

    trainer_distributed_data_parallel(
            model = model,
            train_dataloader = dataloader.train_dataloader(),
            # val_dataloader = dataloader.val_dataloader(),
            # test_dataloader = dataloader.test_dataloader(),
            epochs = 1000, lr = 0.01, opt_method = "adam",
            valid_interval = 1, log_interval = 1,
            save_interval = 1, save_path = '../../checkpoint/transe.pth',
            delta = 0.01)