本頁面由 Cloud Translation API 翻譯而成。
Switch to English

TensorFlow概率

TensorFlow概率是TensorFlow中用於概率推理和統計分析的庫。作為TensorFlow生態系統的一部分,TensorFlow概率提供了概率方法與深度網絡的集成,使用自動區分的基於梯度的推理以及具有硬件加速(GPU)和分佈式計算的大型數據集和模型的可伸縮性。

要開始使用TensorFlow Probability,請參閱安裝指南並查看Python筆記本教程

組件

我們的概率機器學習工具的結構如下:

第0層:TensorFlow

數值運算(尤其是LinearOperator類)使無矩陣實現成為可能,這些實現可以利用特定結構(對角,低階等)進行有效計算。它由TensorFlow概率團隊構建和維護,並且是核心TensorFlow中tf.linalg一部分。

第1層:統計模塊

第2層:模型構建

第三層:概率推斷

  • 馬爾可夫鏈蒙特卡洛tfp.mcmc ):通過採樣逼近積分的算法。包括Hamiltonian Monte Carlo ,隨機遊走Metropolis-Hastings,以及構建自定義過渡內核的功能。
  • 變分推斷tfp.vi ):通過優化逼近積分的算法。
  • 優化器tfp.optimizer ):隨機優化方法,擴展了TensorFlow優化器。包括隨機梯度Langevin動力學
  • 蒙特卡洛tfp.monte_carlo ):用於計算蒙特卡洛期望值的工具。

TensorFlow概率正在積極開發中,接口可能會更改。

例子

除了導航中列出的Python筆記本教程之外 ,還有一些示例腳本可用:

報告問題

使用TensorFlow概率問題跟踪器報告錯誤或功能請求。