TensorFlow Probability é uma biblioteca para raciocínio probabilístico e análise estatística.
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!)
Execute em um notebook
TensorFlow Probability (TFP) é uma biblioteca Python criada no TensorFlow que facilita a combinação de modelos probabilísticos e aprendizado profundo em hardware moderno (TPU, GPU). É para cientistas de dados, estatísticos, pesquisadores de ML e profissionais que desejam codificar o conhecimento do domínio para entender os dados e fazer previsões. TFP inclui:
- Uma ampla seleção de distribuições de probabilidade e bijetores.
- Ferramentas para construir modelos probabilísticos profundos, incluindo camadas probabilísticas e uma abstração `JointDistribution`.
- Inferência variacional e cadeia de Markov Monte Carlo.
- Otimizadores como Nelder-Mead, BFGS e SGLD.
Uma introdução à programação probabilística
Bayesian Methods for Hackers , um tutorial introdutório e prático, agora está disponível com exemplos no TensorFlow Probability.
