TensorFlow Probability는 확률적 추론 및 통계 분석을 위한 라이브러리입니다
import tensorflow as tf import tensorflow_probability as tfp # Pretend to load synthetic data set. features = tfp.distributions.Normal(loc=0., scale=1.).sample(int(100e3)) labels = tfp.distributions.Bernoulli(logits=1.618 * features).sample() # Specify model. model = tfp.glm.Bernoulli() # Fit model given data. coeffs, linear_response, is_converged, num_iter = tfp.glm.fit( model_matrix=features[:, tf.newaxis], response=tf.cast(labels, dtype=tf.float32), model=model) # ==> coeffs is approximately [1.618] (We're golden!)메모장에서 실행
TensorFlow Probability(TFP)는 최신 하드웨어(TPU, GPU)에서 확률 모델 및 딥 러닝을 손쉽게 결합할 수 있도록 도와주는 TensorFlow 기반의 Python 라이브러리입니다. TFP는 데이터를 이해하고 예측하기 위해 도메인 지식을 인코딩하려는 데이터 과학자, 통계 전문가, ML 연구자 및 실무자용 라이브러리입니다. TFP에는 다음 항목이 포함됩니다.
- 다양한 확률 분포 및 바이젝터
- 확률 레이어 및 `JointDistribution` 추상화를 비롯한 딥 확률 모델을 빌드하는 도구
- 변이 추론 및 마르코프 체인 몬테카를로법
- Nelder-Mead, BFGS 및 SGLD와 같은 옵티마이저
확률적 프로그래밍 소개
직접 실습해보며 익힐 수 있는 가이드인 Bayesian Methods for Hackers를 이제 TensorFlow Probability 예시와 함께 사용할 수 있습니다.