TensorFlow הסתברות 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!)
הפעל במחברת
TensorFlow Probability (TFP) היא ספריית פיתון הבנויה על TensorFlow שמאפשרת לשלב קל בין מודלים הסתברותיים ולמידה עמוקה על חומרה מודרנית (TPU, GPU). זה מיועד למדעני נתונים, סטטיסטיקאים, חוקרי ML ומטפלים שרוצים לקודד ידע בתחום כדי להבין נתונים ולחזות. TFP כולל:
  • מבחר רחב של התפלגויות הסתברות וקובעים.
  • כלים לבניית מודלים הסתברותיים עמוקים, כולל שכבות הסתברותיות והפשטה של ​​'JointDistribution'.
  • מסקנת וריאציות ורשת מרקוב מונטה קרלו
  • מיטבי אופטימיזציה כמו Nelder-Mead, BFGS ו- SGLD.
מכיוון ש- TFP יורש את היתרונות של TensorFlow, אתה יכול לבנות, להתאים ולפרוס מודל באמצעות שפה אחת לאורך כל מחזור החיים של חקר וייצור מודלים. TFP הוא קוד פתוח וזמין ב- GitHub . כדי להתחיל, עיין במדריך ההסתברות של TensorFlow .