এমএল কমিউনিটি দিবস 9 নভেম্বর! TensorFlow, Jax থেকে আপডেটের জন্য আমাদের সাথে যোগ দিন, এবং আরও আরও জানুন

TensorFlow Probability হল সম্ভাব্য যুক্তি এবং পরিসংখ্যান 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!)
TensorFlow Probability (TFP) হল TensorFlow এ নির্মিত একটি পাইথন লাইব্রেরি যা আধুনিক হার্ডওয়্যারে (TPU, GPU) সম্ভাব্য মডেল এবং গভীর শিক্ষাকে একত্রিত করা সহজ করে তোলে। এটি ডেটা বিজ্ঞানী, পরিসংখ্যানবিদ, এমএল গবেষক এবং অনুশীলনকারীদের জন্য যারা ডোমেইন জ্ঞান এনকোড করতে চান এবং ডেটা বুঝতে এবং ভবিষ্যদ্বাণী করতে চান। TFP অন্তর্ভুক্ত:
  • সম্ভাব্যতা বিতরণ এবং বাইজেক্টরের বিস্তৃত নির্বাচন।
  • সম্ভাব্য স্তর এবং একটি `জয়েন্ট ডিস্ট্রিবিউশন` বিমূর্ততা সহ গভীর সম্ভাব্য মডেল তৈরির সরঞ্জাম।
  • বৈচিত্র্যপূর্ণ অনুমান এবং মার্কভ চেইন মন্টে কার্লো।
  • অপটিমাইজার যেমন নেলডার-মিড, বিএফজিএস এবং এসজিএলডি।
যেহেতু TFP TensorFlow- এর সুবিধাগুলি উত্তরাধিকার সূত্রে পেয়েছে, আপনি মডেল অনুসন্ধান এবং উৎপাদনের জীবনচক্র জুড়ে একটি ভাষা ব্যবহার করে একটি মডেল তৈরি, ফিট এবং স্থাপন করতে পারেন। TFP ওপেন সোর্স এবং উপলব্ধ GitHub থেকে । শুরু করার জন্য, দেখুন TensorFlow সম্ভাব্যতা গাইড