TensorFlow Probability 是一个用于概率推理和统计分析的库。
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) 是一个基于 TensorFlow 构建的 Python 库，使我们能够通过该库在现代硬件（TPU、GPU）上轻松结合使用概率模型和深度学习。TFP 适合数据科学家、统计人员、机器学习研究人员，以及希望运用领域知识了解数据和做出预测的从业人员使用。TFP 包括：
- 大量可供选择的概率分布和 Bijector。
- 用于构建深度概率模型的工具，包括概率层和 `JointDistribution` 抽象。
- 变分推断和马尔可夫链蒙特卡洛方法。
- 优化器，例如 Nelder-Mead 算法、BFGS 和 SGLD。
概率编程简介
《黑客的贝叶斯方法》(Bayesian Methods for Hackers) 是一本入门级实践教程，现在提供了 TensorFlow Probability 示例。
