הסתברות TensorFlow

קל לארגן דפים בעזרת אוספים אפשר לשמור ולסווג תוכן על סמך ההעדפות שלך.

TensorFlow Probability היא ספרייה להנמקה הסתברותית וניתוח סטטיסטי ב- TensorFlow. כחלק מהמערכת האקולוגית של TensorFlow, TensorFlow Probability מספקת אינטגרציה של שיטות הסתברותיות עם רשתות עמוקות, הסקה מבוססת-הדרגה תוך שימוש בהבחנה אוטומטית, ומדרגיות למערך נתונים ומודלים גדולים עם האצת חומרה (GPU) וחישוב מבוזר.

כדי להתחיל לעבוד עם הסתברות TensorFlow, לראות את המדריך להתקין ולצפות הדרכות מחברת Python .

רכיבים

כלי למידת המכונה ההסתברותית שלנו בנויים באופן הבא:

שכבה 0: TensorFlow

פעולות נומרית -in בפרט, LinearOperator בכיתה-מאפשר הטמעות מטריקס ללא שיכולים לנצל מבנה מסוים (אלכסון, נמוך דרגה, וכו ') לצורך חישוב יעיל. הוא נבנה ומתוחזק על ידי צוות הסתברות TensorFlow והוא חלק tf.linalg ב TensorFlow הליבה.

שכבה 1: אבני בניין סטטיסטיות

שכבה 2: בניית דגמים

  • התפלגות משותפת (למשל, tfp.distributions.JointDistributionSequential ): התפלגות משותפת מעל אחד או יותר הפצות ואולי-תלויים זה בזה. לקבלת מבוא דוגמנות עם הפריון הכולל של JointDistribution ים, לבדוק colab זה
  • שכבות הסתברותי ( tfp.layers ): שכבות רשת עצביות עם אי ודאות מעל הפונקציות שהם מייצגים, הארכת שכבות TensorFlow.

שכבה 3: הסקה הסתברותית

  • מרקוב שרשרת מונטה קרלו ( tfp.mcmc ): אלגוריתמים להערכת שיעור אינטגרלים באמצעות דגימה. כולל והמילטון מונטה קרלו , אקראית-ההליכה מטרופוליס-הייסטינגס, ואת יכולת גרעינים מעברים אישית לבנות.
  • הסקת וריאציה ( tfp.vi ): אלגוריתמים להערכת שיעור אינטגרלים באמצעות אופטימיזציה.
  • Optimizers ( tfp.optimizer ): שיטות אופטימיזציה סטוכסטיים, הארכת Optimizers TensorFlow. כולל סטוכסטיים Gradient ולנגווין Dynamics .
  • מונטה קרלו ( tfp.monte_carlo ): כלים לחישוב ציפיות מונטה קרלו.

TensorFlow Probability נמצא בפיתוח פעיל והממשקים עשויים להשתנות.

דוגמאות

בנוסף הדרכות מחברת Python בניווט, יש כמה תסריטים זמינים לדוגמה:

דווח על בעיות

באגים דו"ח או בקשות תכונה באמצעות מעקב בעיות הסתברות TensorFlow .