TensorFlow Probability 是一種程式庫,用於進行機率推理和統計分析。

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!)
筆記本中執行
TensorFlow Probability (TFP) 是以 TensorFlow 為基礎的 Python 程式庫,可讓你在新型硬體 (TPU、GPU) 上輕鬆結合機率模型與深度學習技術。這個程式庫可讓數據資料學家、統計學家、機器學習研究人員和從業人員將領域知識編碼,進而瞭解資料並進行預測。TFP 包含:
  • 各種機率分布與 Bijector。
  • 用來建構深度機率模型的工具,包括機率層和 Edward2 語言。
  • 變分推論和 Markov chain Monte Carlo。
  • 最佳化器,例如 Nelder-Mead、BFGS 和 SGLD。
TFP 繼承了 TensorFlow 的優點,因此你可以在模型探索和生產的整個生命週期中,使用單一語言來建構、調整及部署模型。TFP 為開放原始碼,可在 GitHub 上取得。請參閱 TensorFlow Probability 指南,瞭解如何開始使用。