TensorFlow Probability es una biblioteca para razonamiento probabilístico y análisis estadístico.

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!)
TensorFlow Probability (TFP) es una biblioteca de Python basada en TensorFlow que facilita la combinación de modelos probabilísticos y aprendizaje profundo en hardware moderno (TPU, GPU). Es para científicos de datos, estadísticos, investigadores de ML y profesionales que desean codificar el conocimiento del dominio para comprender los datos y hacer predicciones. La PTF incluye:
  • Una amplia selección de distribuciones de probabilidad y biyectores.
  • Herramientas para construir modelos probabilísticos profundos, incluidas capas probabilísticas y una abstracción `JointDistribution`.
  • Inferencia variacional y cadena de Markov Monte Carlo.
  • Optimizadores como Nelder-Mead, BFGS y SGLD.
Dado que TFP hereda los beneficios de TensorFlow, puede crear, adaptar e implementar un modelo utilizando un solo idioma durante todo el ciclo de vida de la exploración y producción del modelo. TFP es de código abierto y está disponible en GitHub . Para comenzar, consulte la Guía de probabilidad de TensorFlow .