टेंसरफ्लो संभाव्यता

TensorFlow संभाव्यता TensorFlow में संभाव्य तर्क और सांख्यिकीय विश्लेषण के लिए एक पुस्तकालय है। TensorFlow पारिस्थितिकी तंत्र के हिस्से के रूप में, TensorFlow संभाव्यता गहरे नेटवर्क के साथ संभाव्य तरीकों का एकीकरण, स्वचालित भेदभाव का उपयोग करके ग्रेडिएंट-आधारित अनुमान, और हार्डवेयर त्वरण (GPUs) और वितरित गणना के साथ बड़े डेटासेट और मॉडल के लिए स्केलेबिलिटी प्रदान करता है।

TensorFlow Probability के साथ आरंभ करने के लिए, इंस्टॉल गाइड देखें और Python नोटबुक ट्यूटोरियल देखें।

अवयव

हमारे संभाव्य मशीन लर्निंग उपकरण इस प्रकार संरचित हैं:

परत 0: टेंसरफ़्लो

संख्यात्मक संचालन - विशेष रूप से, LinearOperator वर्ग - मैट्रिक्स-मुक्त कार्यान्वयन को सक्षम बनाता है जो कुशल गणना के लिए एक विशेष संरचना (विकर्ण, निम्न-रैंक, आदि) का फायदा उठा सकता है। इसे TensorFlow Probability टीम द्वारा निर्मित और रखरखाव किया जाता है और यह कोर TensorFlow में tf.linalg का हिस्सा है।

परत 1: सांख्यिकीय भवन ब्लॉक

परत 2: मॉडल बिल्डिंग

  • संयुक्त वितरण (जैसे, tfp.distributions.JointDistributionSequential ): एक या अधिक संभावित-अन्योन्याश्रित वितरणों पर संयुक्त वितरण। टीएफपी के JointDistribution के साथ मॉडलिंग के परिचय के लिए, इस कोलाब को देखें
  • संभाव्य परतें ( tfp.layers ): तंत्रिका नेटवर्क परतें उन कार्यों पर अनिश्चितता के साथ जिनका वे प्रतिनिधित्व करते हैं, TensorFlow परतों का विस्तार करते हैं।

परत 3: संभाव्य अनुमान

  • मार्कोव श्रृंखला मोंटे कार्लो ( tfp.mcmc ): नमूनाकरण के माध्यम से अभिन्नों का अनुमान लगाने के लिए एल्गोरिदम। हैमिल्टनियन मोंटे कार्लो , रैंडम-वॉक मेट्रोपोलिस-हेस्टिंग्स और कस्टम ट्रांज़िशन कर्नेल बनाने की क्षमता शामिल है।
  • विविधतापूर्ण अनुमान ( tfp.vi ): अनुकूलन के माध्यम से अभिन्नों का अनुमान लगाने के लिए एल्गोरिदम।
  • ऑप्टिमाइज़र ( tfp.optimizer ): स्टोकेस्टिक ऑप्टिमाइज़ेशन विधियाँ, TensorFlow ऑप्टिमाइज़र का विस्तार। स्टोकेस्टिक ग्रैडिएंट लैंग्विन डायनेमिक्स शामिल है।
  • मोंटे कार्लो ( tfp.monte_carlo ): मोंटे कार्लो अपेक्षाओं की गणना के लिए उपकरण।

TensorFlow संभावना सक्रिय विकास के अधीन है और इंटरफ़ेस बदल सकते हैं।

उदाहरण

नेविगेशन में सूचीबद्ध पायथन नोटबुक ट्यूटोरियल के अलावा, कुछ उदाहरण स्क्रिप्ट भी उपलब्ध हैं:

मुद्दों की रिपोर्ट करें

TensorFlow संभाव्यता समस्या ट्रैकर का उपयोग करके बग या सुविधा अनुरोधों की रिपोर्ट करें।