Вероятность TensorFlow

TensorFlow Probability - это библиотека для вероятностных рассуждений и статистического анализа в TensorFlow. Как часть экосистемы TensorFlow, TensorFlow Probability обеспечивает интеграцию вероятностных методов с глубокими сетями, градиентный вывод с использованием автоматического дифференцирования и масштабируемость до больших наборов данных и моделей с аппаратным ускорением (GPU) и распределенными вычислениями.

Чтобы начать работу с TensorFlow вероятностью, увидеть руководство по установке и просмотр ноутбуков учебников Python .

Составные части

Наши инструменты вероятностного машинного обучения структурированы следующим образом:

Слой 0: TensorFlow

Численные операции -в частности, LinearOperator класс позволяет нематричные реализации , которые могут использовать конкретную структуру ( по диагонали, низкий ранг и т.д.) для эффективного вычисления. Он построен и поддерживается командой вероятности TensorFlow и является частью tf.linalg в основном TensorFlow.

Уровень 1: Статистические строительные блоки

Уровень 2: Построение модели

  • Совместное Распределения (например, tfp.distributions.JointDistributionSequential ): Совместные распределения по одному или более возможно, взаимозависимым распределениям. Для введения в моделирование с TFP - х JointDistribution s, проверить этот colab
  • Вероятностные слои ( tfp.layers ): Нейронные сети слои с неопределенностью в отношении функций , которые они представляют, простирающееся TensorFlow слоев.

Уровень 3: вероятностный вывод

  • Цепь Маркова Монте - Карло ( tfp.mcmc ): Алгоритмы для аппроксимации интегралов с помощью отбора проб. Включает гамильтонова Монте - Карло , случайные блуждания Метрополиса-Гастингса, а также возможность создания пользовательских ядер перехода.
  • Вариационное Умозаключение ( tfp.vi ): Алгоритмы для аппроксимации интегралов по оптимизации.
  • Оптимизаторы ( tfp.optimizer ): стохастические методы оптимизации, простирающиеся TensorFlow оптимизаторы. Включает в себя стохастический Градиент Ланжевена Dynamics .
  • Монте - Карло ( tfp.monte_carlo ): Инструменты для вычисления ожиданий Монте - Карло.

TensorFlow Probability находится в стадии активной разработки, и интерфейсы могут измениться.

Примеры

Кроме ноутбуков учебники Python , перечисленных в навигации, существуют некоторые примеры сценариев доступны:

Сообщить о проблемах

Сообщайте ошибки или запросы с использованием TensorFlow вероятности отслеживания проблем .