7 Aralık'ta düzenlenecek Makine Öğreniminde Kadın Sempozyumu'na katılın Şimdi kaydolun
Koleksiyonlar ile düzeninizi koruyun İçeriği tercihlerinize göre kaydedin ve kategorilere ayırın.

TensorFlow Probability, olasılıksal akıl yürütme ve istatistiksel analiz için bir kütüphanedir.

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!)
tutucu3 l10n-yerÇalıştır
TensorFlow Probability (TFP), olasılıklı modelleri ve derin öğrenmeyi modern donanımda (TPU, GPU) birleştirmeyi kolaylaştıran, TensorFlow üzerine kurulmuş bir Python kitaplığıdır. Verileri anlamak ve tahminlerde bulunmak için alan bilgisini kodlamak isteyen veri bilimcileri, istatistikçiler, makine öğrenimi araştırmacıları ve uygulayıcılar içindir. TFP şunları içerir:
  • Çok çeşitli olasılık dağılımları ve bijektörler.
  • Olasılık katmanları ve bir "JointDistribution" soyutlaması dahil olmak üzere derin olasılıklı modeller oluşturmaya yönelik araçlar.
  • Varyasyon çıkarımı ve Markov zinciri Monte Carlo.
  • Nelder-Mead, BFGS ve SGLD gibi optimize ediciler.
TFP, TensorFlow'un avantajlarını devraldığından, model keşfi ve üretiminin yaşam döngüsü boyunca tek bir dil kullanarak bir model oluşturabilir, sığdırabilir ve dağıtabilirsiniz. TFP açık kaynaktır ve GitHub'da mevcuttur. Başlamak için TensorFlow Olasılık Kılavuzu'na bakın.