الرد على دعوة الحضور لحضور حدث TensorFlow Everywhere المحلي اليوم!
ترجمت واجهة Cloud Translation API‏ هذه الصفحة.
Switch to English

TensorFlow Probability عبارة عن مكتبة للاستدلال الاحتمالي والتحليل الإحصائي.

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!)
تشغيل في دفتر
TensorFlow Probability (TFP) عبارة عن مكتبة Python مبنية على TensorFlow والتي تجعل من السهل الجمع بين النماذج الاحتمالية والتعلم العميق على الأجهزة الحديثة (TPU ، GPU). إنها مخصصة لعلماء البيانات والإحصائيين وباحثي تعلم الآلة والممارسين الذين يرغبون في تشفير معرفة المجال لفهم البيانات وإجراء التنبؤات. يشمل TFP:
  • مجموعة واسعة من التوزيعات الاحتمالية والقاذفات.
  • أدوات لبناء نماذج احتمالية عميقة ، بما في ذلك الطبقات الاحتمالية وتجريد "التوزيع المشترك".
  • الاستدلال المتنوع وسلسلة ماركوف مونت كارلو.
  • محسنات مثل Nelder-Mead و BFGS و SGLD.
نظرًا لأن TFP يرث فوائد TensorFlow ، يمكنك إنشاء نموذج وملائمته ونشره باستخدام لغة واحدة طوال دورة حياة استكشاف النموذج وإنتاجه. TFP مفتوح المصدر ومتاح على GitHub . للبدء ، راجع دليل احتمالية TensorFlow .