Probabilitas TensorFlow adalah perpustakaan untuk penalaran probabilistik dan analisis statistik.
import tensorflow as tf
import tensorflow_probability as tfp
# Pretend to load synthetic data set.
features = tfp.distributions.Normal(loc=0., scale=1.).sample(int(100e3))
labels = tfp.distributions.Bernoulli(logits=1.618 * features).sample()
# Specify model.
model = tfp.glm.Bernoulli()
# Fit model given data.
coeffs, linear_response, is_converged, num_iter = tfp.glm.fit(
model_matrix=features[:, tf.newaxis],
response=tf.cast(labels, dtype=tf.float32),
model=model)
# ==> coeffs is approximately [1.618] (We're golden!)
Jalankan di Notebook
TensorFlow Probability (TFP) adalah library Python yang dibangun di atas TensorFlow yang memudahkan untuk menggabungkan model probabilistik dan pembelajaran mendalam pada perangkat keras modern (TPU, GPU). Ini untuk ilmuwan data, ahli statistik, peneliti ML, dan praktisi yang ingin mengkodekan pengetahuan domain untuk memahami data dan membuat prediksi. TFP meliputi:
- Berbagai pilihan distribusi probabilitas dan bijector.
- Alat untuk membangun model probabilistik yang mendalam, termasuk lapisan probabilistik dan abstraksi `JointDistribution`.
- Inferensi variasi dan rantai Markov Monte Carlo.
- Pengoptimal seperti Nelder-Mead, BFGS, dan SGLD.
Pengantar pemrograman probabilistik
Metode Bayesian untuk Peretas , sebuah pengantar, tutorial langsung, sekarang tersedia dengan contoh di TensorFlow Probability.
