একটি প্রশ্ন আছে? টেনসরফ্লো ফোরাম ভিজিট ফোরামের সম্প্রদায়ের সাথে সংযুক্ত হন

টেনসরফ্লো সম্ভাব্যতা সম্ভাব্য যুক্তি এবং পরিসংখ্যানগত বিশ্লেষণের জন্য একটি গ্রন্থাগার।

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!)
চালান
টেনসরফ্লো প্রব্যাবিলিটি (টিএফপি) টেনসরফ্লোতে নির্মিত পাইথন লাইব্রেরি যা আধুনিক হার্ডওয়্যার (টিপিইউ, জিপিইউ) এর উপর সম্ভাব্য মডেল এবং গভীর শিক্ষার সমন্বয়কে সহজ করে তোলে। এটি ডেটা বিজ্ঞানী, পরিসংখ্যানবিদ, এমএল গবেষক এবং অনুশীলনকারীদের জন্য যারা ডোমেন জ্ঞানকে ডেটা বুঝতে এবং পূর্বাভাস দেওয়ার জন্য এনকোড করতে চান। টিএফপি অন্তর্ভুক্ত:
  • সম্ভাব্যতা বিতরণ এবং বাইজেক্টরগুলির বিস্তৃত নির্বাচন।
  • সম্ভাব্য স্তরগুলি এবং একটি "জয়েন্টডিস্ট্রিবিউশন" বিমূর্ততা সহ গভীর সম্ভাব্য মডেলগুলি তৈরি করার সরঞ্জামগুলি।
  • বৈচিত্রগত অনুমান এবং মার্কভ চেইন মন্টি কার্লো।
  • নেলদার-মাংস, বিএফজিএস, এবং এসজিএলডি এর মতো অপ্টিমাইজার।
যেহেতু টিএফপি টেনসরফ্লো এর সুবিধাগুলি উত্তরাধিকার সূত্রে প্রাপ্ত, তাই আপনি মডেল অন্বেষণ এবং উত্পাদনের জীবনকাল জুড়ে একটি ভাষা ব্যবহার করে একটি মডেল তৈরি করতে, ফিট করতে এবং স্থাপন করতে পারেন। টিএফপি ওপেন সোর্স এবং গিটহাব এ উপলব্ধ । শুরু করতে, টেনসরফ্লো সম্ভাব্যতা নির্দেশিকা দেখুন