TensorFlow प्रायिकता संभाव्य तर्क और सांख्यिकीय विश्लेषण के लिए एक पुस्तकालय है।

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!)
एक नोटबुक में चलाएँ
TensorFlow प्रायिकता (TFP) एक पायथन लाइब्रेरी है, जो TensorFlow पर बनी है, जो संभावित हार्डवेयर और आधुनिक हार्डवेयर (TPU, GPU) पर गहन शिक्षण को संयोजित करना आसान बनाती है। यह डेटा वैज्ञानिकों, सांख्यिकीविदों, एमएल शोधकर्ताओं और चिकित्सकों के लिए है जो डेटा को समझने और भविष्यवाणियां करने के लिए डोमेन ज्ञान को एन्कोड करना चाहते हैं। TFP में शामिल हैं:
  • प्रायिकता वितरण और बायजेक्टर का विस्तृत चयन।
  • संभाव्य परतों और एक 'जॉइंटडिस्ट्रिब्यूशन` एब्स्ट्रक्शन सहित गहरी संभाव्य मॉडल बनाने के लिए उपकरण।
  • विविधतापूर्ण आविष्कार और मार्कोव श्रृंखला मोंटे कार्लो।
  • Nelder-Mead, BFGS और SGLD जैसे ऑप्टिमाइज़र।
चूंकि TFP को TensorFlow के लाभ विरासत में मिले हैं, आप मॉडल की खोज और उत्पादन के जीवनचक्र में एक ही भाषा का उपयोग करके एक मॉडल का निर्माण, फिट, और तैनाती कर सकते हैं। TFP एक खुला स्रोत है और GitHub पर उपलब्ध है । आरंभ करने के लिए, TensorFlow प्रायिकता गाइड देखें