TensorFlow Probability היא ספרייה להנמקה הסתברותית וניתוח סטטיסטי ב- TensorFlow. כחלק מהמערכת האקולוגית של TensorFlow, TensorFlow Probability מספקת אינטגרציה של שיטות הסתברותיות עם רשתות עמוקות, הסקה מבוססת-הדרגה תוך שימוש בהבחנה אוטומטית, ומדרגיות למערך נתונים ומודלים גדולים עם האצת חומרה (GPU) וחישוב מבוזר.
כדי להתחיל לעבוד עם הסתברות TensorFlow, לראות את המדריך להתקין ולצפות הדרכות מחברת Python .
רכיבים
כלי למידת המכונה ההסתברותית שלנו בנויים באופן הבא:
שכבה 0: TensorFlow
פעולות נומרית -in בפרט, LinearOperator
בכיתה-מאפשר הטמעות מטריקס ללא שיכולים לנצל מבנה מסוים (אלכסון, נמוך דרגה, וכו ') לצורך חישוב יעיל. הוא נבנה ומתוחזק על ידי צוות הסתברות TensorFlow והוא חלק tf.linalg
ב TensorFlow הליבה.
שכבה 1: אבני בניין סטטיסטיות
- הפצות (
tfp.distributions
): אוסף גדול של הסתברויות וסטטיסטיקות קשור עם תצווה לשדר סמנטיקה. - Bijectors (
tfp.bijectors
): הפיכה טרנספורמציות composable של משתנים אקראיים. Bijectors לספק מעמד עשיר של הפצות טרנספורמציה, מן דוגמא קלאסי כמו התפלגות הלוג-נורמלי למודלים למידה עמוקים ומתוחכמים כמו תזרים autoregressive רעול פנים .
שכבה 2: בניית דגמים
- התפלגות משותפת (למשל,
tfp.distributions.JointDistributionSequential
): התפלגות משותפת מעל אחד או יותר הפצות ואולי-תלויים זה בזה. לקבלת מבוא דוגמנות עם הפריון הכולל שלJointDistribution
ים, לבדוק colab זה - שכבות הסתברותי (
tfp.layers
): שכבות רשת עצביות עם אי ודאות מעל הפונקציות שהם מייצגים, הארכת שכבות TensorFlow.
שכבה 3: הסקה הסתברותית
- מרקוב שרשרת מונטה קרלו (
tfp.mcmc
): אלגוריתמים להערכת שיעור אינטגרלים באמצעות דגימה. כולל והמילטון מונטה קרלו , אקראית-ההליכה מטרופוליס-הייסטינגס, ואת יכולת גרעינים מעברים אישית לבנות. - הסקת וריאציה (
tfp.vi
): אלגוריתמים להערכת שיעור אינטגרלים באמצעות אופטימיזציה. - Optimizers (
tfp.optimizer
): שיטות אופטימיזציה סטוכסטיים, הארכת Optimizers TensorFlow. כולל סטוכסטיים Gradient ולנגווין Dynamics . - מונטה קרלו (
tfp.monte_carlo
): כלים לחישוב ציפיות מונטה קרלו.
TensorFlow Probability נמצא בפיתוח פעיל והממשקים עשויים להשתנות.
דוגמאות
בנוסף הדרכות מחברת Python בניווט, יש כמה תסריטים זמינים לדוגמה:
- וריאציה Autoencoders -Representation למידה עם קוד סמוי היקש וריאציה.
- וקטור-בדיד Autoencoder -Discrete למידה ייצוג עם קוונטיזציה וקטורית.
- בייס הרשתות העצבית -Neural רשתות עם אי ודאות מעל המשקולות שלהם.
- בייס רגרסיה לוגיסטית היקש -Bayesian לסיווג בינארי.
דווח על בעיות
באגים דו"ח או בקשות תכונה באמצעות מעקב בעיות הסתברות TensorFlow .