TensorFlow Probability es una biblioteca para razonamiento probabilístico y análisis estadístico.
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) es una biblioteca de Python basada en TensorFlow que facilita la combinación de modelos probabilísticos y aprendizaje profundo en hardware moderno (TPU, GPU). Es para científicos de datos, estadísticos, investigadores de ML y profesionales que desean codificar el conocimiento del dominio para comprender los datos y hacer predicciones. La PTF incluye:
- Una amplia selección de distribuciones de probabilidad y biyectores.
- Herramientas para construir modelos probabilísticos profundos, incluidas capas probabilísticas y una abstracción `JointDistribution`.
- Inferencia variacional y cadena de Markov Monte Carlo.
- Optimizadores como Nelder-Mead, BFGS y SGLD.
Una introducción a la programación probabilística.
Métodos bayesianos para piratas informáticos , un tutorial práctico introductorio, ahora está disponible con ejemplos en TensorFlow Probability.
