مساعدة في حماية الحاجز المرجاني العظيم مع TensorFlow على Kaggle تاريخ التحدي

احتمالية تدفق TensorFlow

TensorFlow Probability عبارة عن مكتبة للتفكير الاحتمالي والتحليل الإحصائي في TensorFlow. كجزء من نظام TensorFlow البيئي ، يوفر TensorFlow Probability تكاملًا للطرق الاحتمالية مع الشبكات العميقة والاستدلال القائم على التدرج باستخدام التمايز التلقائي وقابلية التوسع لمجموعات البيانات والنماذج الكبيرة مع تسريع الأجهزة (GPUs) والحساب الموزع.

لتبدأ مع TensorFlow الاحتمالات، راجع دليل تثبيت وعرض الدروس دفتر بيثون .

عناصر

تم تصميم أدوات التعلم الآلي الاحتمالية لدينا على النحو التالي:

الطبقة 0: TensorFlow

العمليات العددية -في معينة، LinearOperator الطبقة تمكن تطبيقات خالية من المصفوفة التي يمكن أن تستغل هيكل معين (قطري، وانخفاض رتبة، الخ) لحساب كفاءة. يتم بناؤه والتي تحتفظ بها فريق احتمال TensorFlow وجزء من tf.linalg في TensorFlow الأساسية.

الطبقة 1: اللبنات الإحصائية

الطبقة 2: نموذج البناء

  • المشترك توزيعات (على سبيل المثال، tfp.distributions.JointDistributionSequential ): التوزيعات المشتركة على واحد أو أكثر التوزيعات ربما-مترابطة. للحصول على مقدمة إلى النمذجة مع TFP في JointDistribution الصورة، وتحقق من هذا colab
  • طبقات الاحتمالية ( tfp.layers ): طبقات الشبكة العصبية مع حالة عدم اليقين بشأن الوظائف التي يمثلونها، وتمتد طبقات TensorFlow.

الطبقة 3: الاستدلال الاحتمالي

  • سلسلة ماركوف مونتي كارلو ( tfp.mcmc ): الخوارزميات لتقريب التكامل عن طريق أخذ العينات. ويشمل هاملتون مونت كارلو ، عشوائية المشي متروبوليس، هاستينغز، والقدرة على حبات تمر بمرحلة انتقالية بناء العرف.
  • تباين الاستدلال ( tfp.vi ): الخوارزميات لتقريب التكاملات من خلال التحسين.
  • أبتيميزر ( tfp.optimizer ): طرق تحسين العشوائية، وتمتد TensorFlow أبتيميزر. يشمل مؤشر ستوكاستيك التدرج انجيفين حيوية .
  • مونتي كارلو ( tfp.monte_carlo ): أدوات لحساب التوقعات مونتي كارلو.

يخضع TensorFlow Probability للتطوير النشط وقد تتغير الواجهات.

أمثلة

وبالإضافة إلى الدروس دفتر بيثون المدرجة في التنقل، وهناك بعض الكتابات سبيل المثال المتاحة:

الإبلاغ عن المشكلات

البق التقرير أو طلبات جديدة باستخدام TensorFlow قضية احتمال تعقب .