TensorFlow Probability عبارة عن مكتبة للتفكير الاحتمالي والتحليل الإحصائي في TensorFlow. كجزء من نظام TensorFlow البيئي ، يوفر TensorFlow Probability تكاملًا للطرق الاحتمالية مع الشبكات العميقة والاستدلال القائم على التدرج باستخدام التمايز التلقائي وقابلية التوسع لمجموعات البيانات والنماذج الكبيرة مع تسريع الأجهزة (GPUs) والحساب الموزع.
لتبدأ مع TensorFlow الاحتمالات، راجع دليل تثبيت وعرض الدروس دفتر بيثون .
عناصر
تم تصميم أدوات التعلم الآلي الاحتمالية لدينا على النحو التالي:
الطبقة 0: TensorFlow
العمليات العددية -في معينة، LinearOperator الطبقة تمكن تطبيقات خالية من المصفوفة التي يمكن أن تستغل هيكل معين (قطري، وانخفاض رتبة، الخ) لحساب كفاءة. يتم بناؤه والتي تحتفظ بها فريق احتمال TensorFlow وجزء من tf.linalg في TensorFlow الأساسية.
الطبقة 1: اللبنات الإحصائية
- توزيعات (
tfp.distributions): مجموعة كبيرة من التوزيعات الاحتمالية والإحصاءات ذات الصلة مع دفعة و البث دلالات. - Bijectors (
tfp.bijectors): عكسية والتحولات composable من المتغيرات العشوائية. توفير Bijectors على الطبقة الغنية من توزيعات تحولت، من الأمثلة الكلاسيكية مثل توزيع السجل العادي لنماذج التعلم عميقة متطورة مثل التدفقات الانحدار ملثمين .
الطبقة 2: نموذج البناء
- المشترك توزيعات (على سبيل المثال،
tfp.distributions.JointDistributionSequential): التوزيعات المشتركة على واحد أو أكثر التوزيعات ربما-مترابطة. للحصول على مقدمة إلى النمذجة مع TFP فيJointDistributionالصورة، وتحقق من هذا colab - طبقات الاحتمالية (
tfp.layers): طبقات الشبكة العصبية مع حالة عدم اليقين بشأن الوظائف التي يمثلونها، وتمتد طبقات TensorFlow.
الطبقة 3: الاستدلال الاحتمالي
- سلسلة ماركوف مونتي كارلو (
tfp.mcmc): الخوارزميات لتقريب التكامل عن طريق أخذ العينات. ويشمل هاملتون مونت كارلو ، عشوائية المشي متروبوليس، هاستينغز، والقدرة على حبات تمر بمرحلة انتقالية بناء العرف. - تباين الاستدلال (
tfp.vi): الخوارزميات لتقريب التكاملات من خلال التحسين. - أبتيميزر (
tfp.optimizer): طرق تحسين العشوائية، وتمتد TensorFlow أبتيميزر. يشمل مؤشر ستوكاستيك التدرج انجيفين حيوية . - مونتي كارلو (
tfp.monte_carlo): أدوات لحساب التوقعات مونتي كارلو.
يخضع TensorFlow Probability للتطوير النشط وقد تتغير الواجهات.
أمثلة
وبالإضافة إلى الدروس دفتر بيثون المدرجة في التنقل، وهناك بعض الكتابات سبيل المثال المتاحة:
- تباين Autoencoders -Representation تعلم مع رمز الكامنة والاستدلال التغاير.
- ناقلات الكم Autoencoder -Discrete تعلم التمثيل مع تكميم ناقلات.
- النظرية الافتراضية الشبكات العصبية الشبكات -Neural مع حالة عدم اليقين بشأن أوزانها.
- النظرية الافتراضية اللوجستية الانحدار الاستدلال -Bayesian للتصنيف ثنائي.
الإبلاغ عن المشكلات
البق التقرير أو طلبات جديدة باستخدام TensorFlow قضية احتمال تعقب .