TensorFlow Probability — это библиотека для вероятностных рассуждений и статистического анализа.
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!)
TensorFlow Probability (TFP) — это библиотека Python, построенная на TensorFlow, которая позволяет легко комбинировать вероятностные модели и глубокое обучение на современном оборудовании (TPU, GPU). Он предназначен для специалистов по данным, статистиков, исследователей машинного обучения и практиков, которые хотят кодировать знания предметной области, чтобы понимать данные и делать прогнозы. ТФП включает в себя:
- Широкий выбор вероятностных распределений и биекторов.
- Инструменты для построения глубоких вероятностных моделей, включая вероятностные слои и абстракцию «JointDistribution».
- Вариационный вывод и цепь Маркова Монте-Карло.
- Оптимизаторы, такие как Nelder-Mead, BFGS и SGLD.
Введение в вероятностное программирование
Вводное практическое руководство « Байесовские методы для хакеров » теперь доступно с примерами в TensorFlow Probability.
