12 月 7 日の Women in ML シンポジウムに参加する今すぐ登録する
コレクションでコンテンツを整理 必要に応じて、コンテンツの保存と分類を行います。

TensorFlow Probability は、確率論的推論と統計分析のためのライブラリです。

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!)
ノートブックで実行
TensorFlow Probability (TFP) は、TensorFlow 上に構築された Python ライブラリであり、最新のハードウェア (TPU、GPU) で確率モデルとディープ ラーニングを簡単に組み合わせることができます。これは、ドメイン知識をエンコードしてデータを理解し、予測を行うことを希望するデータ サイエンティスト、統計学者、ML 研究者、および実践者向けです。 TFP には以下が含まれます。
  • 確率分布と bijector の幅広い選択肢。
  • 確率層と `JointDistribution` 抽象化を含む、深い確率モデルを構築するためのツール。
  • 変分推論とマルコフ連鎖モンテカルロ。
  • Nelder-Mead、BFGS、SGLD などのオプティマイザー。
TFP は TensorFlow の利点を継承しているため、モデルの探索と生成のライフサイクル全体で、単一の言語を使用してモデルを構築、適合、デプロイできます。 TFP はオープン ソースであり、GitHubで入手できます。開始するには、 TensorFlow Probability Guideを参照してください。