הסתברות TensorFlow היא ספרייה לחשיבה הסתברותית וניתוח סטטיסטי.
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!)הפעלה ב- Notebook
TensorFlow Probability (TFP) היא ספריית Python הבנויה על TensorFlow המקלה על שילוב מודלים הסתברותיים ולמידה מעמיקה על חומרה מודרנית (TPU, GPU). זה מיועד למדעני נתונים, סטטיסטיקאים, חוקרי ML ומתרגלים שרוצים לקודד ידע תחום כדי להבין נתונים ולחזות. TFP כולל:
- מבחר רחב של הפצות הסתברות ו Bijectors.
- כלים לבניית מודלים הסתברותיים עמוקים, כולל שכבות הסתברותיות והפשטה של 'JointDistribution'.
- הסקה וריאציות ורשת מרקוב מונטה קרלו.
- אופטימיזציה כגון Nelder-Mead, BFGS ו- SGLD.
היכרות עם תכנות הסתברותי
שיטות בייס עבור האקרים, היכרות, הידיים על הדרכה, זמין כעת עם דוגמאות ב הסתברות TensorFlow.