이 페이지는 Cloud Translation API를 통해 번역되었습니다.
Switch to English

TensorFlow 확률

TensorFlow Probability는 TensorFlow에서 확률 적 추론 및 통계 분석을위한 라이브러리입니다. TensorFlow 생태계의 일부인 TensorFlow Probability는 확률 적 방법을 심층 네트워크와 통합하고, 자동 미분을 사용하는 그래디언트 기반 추론, 하드웨어 가속 (GPU) 및 분산 계산을 통해 대규모 데이터 세트 및 모델에 대한 확장 성을 제공합니다.

TensorFlow Probability를 시작하려면 설치 가이드Python 노트북 가이드 를 참조 하세요 .

구성품

확률 적 머신 러닝 도구는 다음과 같이 구성됩니다.

레이어 0 : TensorFlow

수치 연산 , 특히 LinearOperator 클래스는 효율적인 계산을 위해 특정 구조 (대각선, 낮은 순위 등)를 활용할 수있는 매트릭스없는 구현을 가능하게합니다. TensorFlow Probability 팀에서 구축 및 유지 관리하며 핵심 TensorFlow에서 tf.linalg 일부입니다.

레이어 1 : 통계 빌딩 블록

레이어 2 : 모델 구축

  • 공동 분포 (예 : tfp.distributions.JointDistributionSequential ) : 하나 이상의 상호 의존적 분포에 대한 공동 분포. TFP의 JointDistribution 을 사용한 모델링에 대한 소개는 이 colab을 확인하십시오.
  • 확률 적 레이어 ( tfp.layers ) : 나타내는 기능에 대한 불확실성이있는 신경망 레이어로 TensorFlow 레이어를 확장합니다.

계층 3 : 확률 적 추론

  • Markov chain Monte Carlo ( tfp.mcmc ) : 샘플링을 통해 적분을 근사하는 알고리즘. Hamiltonian Monte Carlo , random-walk Metropolis-Hastings 및 사용자 지정 전환 커널을 구축하는 기능이 포함됩니다.
  • 변량 추론 ( tfp.vi ) : 최적화를 통해 적분을 근사하는 알고리즘.
  • 최적화 도구 ( tfp.optimizer ) : 확률 적 최적화 방법으로 TensorFlow 최적화 도구를 확장합니다. 확률 적 그라디언트 Langevin Dynamics를 포함합니다.
  • Monte Carlo ( tfp.monte_carlo ) : Monte Carlo 기대치를 계산하기위한 도구입니다.

TensorFlow Probability는 현재 개발 중이며 인터페이스가 변경 될 수 있습니다.

탐색에 나열된 Python 노트북 자습서 외에도 사용 가능한 몇 가지 예제 스크립트가 있습니다.

문제보고

TensorFlow Probability 문제 추적기를 사용하여 버그 또는 기능 요청을보고합니다.