Google I/O-তে টিউন করার জন্য ধন্যবাদ। চাহিদা অনুযায়ী সব সেশন দেখুন চাহিদা অনুযায়ী দেখুন

TensorFlow সম্ভাব্যতা সম্ভাব্য যুক্তি এবং পরিসংখ্যানগত বিশ্লেষণের জন্য একটি লাইব্রেরি।

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 সম্ভাব্যতা (TFP) হল TensorFlow-এ নির্মিত একটি পাইথন লাইব্রেরি যা আধুনিক হার্ডওয়্যারের (TPU, GPU) উপর সম্ভাব্য মডেল এবং গভীর শিক্ষাকে একত্রিত করা সহজ করে তোলে। এটি ডেটা বিজ্ঞানী, পরিসংখ্যানবিদ, ML গবেষক এবং অনুশীলনকারীদের জন্য যারা ডেটা বুঝতে এবং ভবিষ্যদ্বাণী করতে ডোমেন জ্ঞান এনকোড করতে চান৷ TFP অন্তর্ভুক্ত:
  • সম্ভাব্যতা ডিস্ট্রিবিউশন এবং বাইজেক্টরের বিস্তৃত নির্বাচন।
  • সম্ভাব্য স্তর এবং একটি 'জয়েন্ট ডিস্ট্রিবিউশন' বিমূর্ততা সহ গভীর সম্ভাব্য মডেল তৈরি করার সরঞ্জাম।
  • পরিবর্তনশীল অনুমান এবং মার্কভ চেইন মন্টে কার্লো।
  • নেল্ডার-মিড, বিএফজিএস এবং এসজিএলডির মতো অপ্টিমাইজার।
যেহেতু TFP TensorFlow-এর সুবিধাগুলি উত্তরাধিকারসূত্রে পেয়েছে, তাই আপনি মডেল অন্বেষণ এবং উত্পাদনের জীবনচক্র জুড়ে একটি একক ভাষা ব্যবহার করে একটি মডেল তৈরি করতে, ফিট করতে এবং স্থাপন করতে পারেন৷ TFP হল ওপেন সোর্স এবং GitHub-এ উপলব্ধ । শুরু করতে, TensorFlow সম্ভাব্যতা নির্দেশিকা দেখুন।