Probabilitas TensorFlow

TensorFlow Probability adalah library untuk penalaran probabilistik dan analisis statistik di TensorFlow. Sebagai bagian dari ekosistem TensorFlow, TensorFlow Probability menyediakan integrasi metode probabilistik dengan jaringan dalam, inferensi berbasis gradien menggunakan diferensiasi otomatis, dan skalabilitas ke set data besar dan model dengan akselerasi perangkat keras (GPU) dan komputasi terdistribusi.

Untuk memulai TensorFlow Probabilitas, lihat panduan menginstal dan melihat notebook tutorial Python .

Komponen

Alat pembelajaran mesin probabilistik kami disusun sebagai berikut:

Lapisan 0: TensorFlow

Operasi numerik -di khusus, LinearOperator kelas memungkinkan implementasi matriks bebas yang dapat mengeksploitasi struktur tertentu (diagonal, peringkat rendah, dll) untuk perhitungan efisien. Hal ini dibangun dan dikelola oleh tim Probabilitas TensorFlow dan merupakan bagian dari tf.linalg di TensorFlow inti.

Lapisan 1: Blok Bangunan Statistik

Lapisan 2: Bangunan Model

  • Bersama Distribusi (misalnya, tfp.distributions.JointDistributionSequential ): distribusi bersama atas satu atau distribusi lebih mungkin-saling bergantung. Untuk pengenalan pemodelan dengan TFP ini JointDistribution s, periksa colab ini
  • Probabilistic lapisan ( tfp.layers , memperluas lapisan TensorFlow lapisan jaringan saraf dengan ketidakpastian atas fungsi mereka mewakili:).

Lapisan 3: Inferensi Probabilistik

  • Rantai Markov Monte Carlo ( tfp.mcmc ): Algoritma untuk mendekati integral melalui sampel. Termasuk Hamiltonian Monte Carlo , jalan-acak Metropolis-Hastings, dan kemampuan untuk kernel transisi membangun kustom.
  • Variasional Inference ( tfp.vi ): Algoritma untuk mendekati integral melalui optimasi.
  • Pengoptimalan ( tfp.optimizer ): metode optimasi Stochastic, memperluas TensorFlow pengoptimalan. Termasuk Stochastic Gradient Langevin Dynamics .
  • Monte Carlo ( tfp.monte_carlo ): Alat untuk menghitung ekspektasi Monte Carlo.

TensorFlow Probability sedang dalam pengembangan aktif dan antarmuka dapat berubah.

Contoh

Selain tutorial notebook Python tercantum dalam navigasi, ada beberapa contoh skrip yang tersedia:

Laporkan masalah

Laporan bug atau permintaan fitur menggunakan TensorFlow masalah Probabilitas tracker .