Probabilitas TensorFlow adalah perpustakaan untuk penalaran probabilistik dan analisis statistik.

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) adalah library Python yang dibangun di atas TensorFlow yang memudahkan untuk menggabungkan model probabilistik dan pembelajaran mendalam pada perangkat keras modern (TPU, GPU). Ini untuk ilmuwan data, ahli statistik, peneliti ML, dan praktisi yang ingin mengkodekan pengetahuan domain untuk memahami data dan membuat prediksi. TFP meliputi:
  • Berbagai pilihan distribusi probabilitas dan bijector.
  • Alat untuk membangun model probabilistik yang mendalam, termasuk lapisan probabilistik dan abstraksi `JointDistribution`.
  • Inferensi variasi dan rantai Markov Monte Carlo.
  • Pengoptimal seperti Nelder-Mead, BFGS, dan SGLD.
Karena TFP mewarisi manfaat TensorFlow, Anda dapat membuat, menyesuaikan, dan menerapkan model menggunakan satu bahasa di sepanjang siklus eksplorasi dan produksi model. TFP adalah open source dan tersedia di GitHub . Untuk memulai, lihat Panduan Probabilitas TensorFlow .