TensorFlow प्रायिकता

TensorFlow प्रायिकता TensorFlow में संभाव्य तर्क और सांख्यिकीय विश्लेषण के लिए एक पुस्तकालय है। TensorFlow पारिस्थितिकी तंत्र के एक भाग के रूप में, TensorFlow प्रायिकता गहन नेटवर्क के साथ संभाव्य तरीकों का एकीकरण प्रदान करती है, स्वचालित भेदभाव का उपयोग करके ग्रेडिएंट-बेस्ड इंट्रेंस और हार्डवेयर त्वरण (GPU) के साथ बड़े डेटासेट और मॉडल के लिए स्केलेबिलिटी।

TensorFlow प्रायिकता के साथ आरंभ करने के लिए, इंस्टॉल गाइड देखें और पायथन नोटबुक ट्यूटोरियल देखें ।

अवयव

हमारे संभावित मशीन सीखने के उपकरण इस प्रकार संरचित हैं:

लेयर 0: टेन्सरफ्लो

न्यूमेरिकल LinearOperator विशेष रूप से, LinearOperator वर्ग - मैट्रिक्स-मुक्त कार्यान्वयन को सक्षम करता है जो कुशल गणना के लिए एक विशेष संरचना (विकर्ण, निम्न-श्रेणी, आदि) का शोषण कर सकता है। यह TensorFlow प्रायिकता टीम द्वारा बनाया और बनाए रखा गया है और कोर TensorFlow में tf.linalg का हिस्सा है।

परत 1: सांख्यिकीय बिल्डिंग ब्लॉक

  • वितरण ( tfp.distributions ): संभावना वितरण और बैच और प्रसारण शब्दार्थ के साथ संबंधित आँकड़ों का एक बड़ा संग्रह।
  • Bijectors ( tfp.bijectors ): यादृच्छिक चरों के प्रतिवर्ती और tfp.bijectors रूपांतरण। Bijectors, शास्त्रीय वितरण से, सामान्य-सामान्य वितरण जैसे परिष्कृत गहन शिक्षण मॉडल जैसे नकाबपोश autoregressive flow, से रूपांतरित वितरण का एक समृद्ध वर्ग प्रदान करते हैं।

परत 2: मॉडल बिल्डिंग

  • संयुक्त वितरण (जैसे, tfp.distributions.JointDistributionSequential ): संयुक्त वितरण एक या एक से अधिक संभवतः-अन्योन्याश्रित वितरण। TFP के JointDistribution s के साथ मॉडलिंग के परिचय के लिए, इस कोलाब को देखें
  • संभाव्य परतें ( tfp.layers ): तंत्रिका नेटवर्क की परतें जिन कार्यों का प्रतिनिधित्व करती हैं, उन पर अनिश्चितता के साथ, टेंसोरफ्लो परतों का विस्तार।

परत 3: संभाव्य आविष्कार

TensorFlow संभावना सक्रिय विकास के तहत है और इंटरफेस बदल सकते हैं।

उदाहरण

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

रिपोर्ट जारी करें

TensorFlow प्रायिकता समस्या ट्रैकर का उपयोग करके बग या फ़ीचर अनुरोधों की रिपोर्ट करें।