הסתברות TensorFlow היא ספרייה לחשיבה הסתברותית וניתוח סטטיסטי.

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) היא ספריית Python הבנויה על TensorFlow המקלה על שילוב מודלים הסתברותיים ולמידה מעמיקה על חומרה מודרנית (TPU, GPU). זה מיועד למדעני נתונים, סטטיסטיקאים, חוקרי ML ומתרגלים שרוצים לקודד ידע תחום כדי להבין נתונים ולחזות. TFP כולל:
  • מבחר רחב של הפצות הסתברות ו Bijectors.
  • כלים לבניית מודלים הסתברותיים עמוקים, כולל שכבות הסתברותיות והפשטה של ​​'JointDistribution'.
  • הסקה וריאציות ורשת מרקוב מונטה קרלו.
  • אופטימיזציה כגון Nelder-Mead, BFGS ו- SGLD.
מכיוון ש- TFP יורש את היתרונות של TensorFlow, תוכל לבנות, להתאים ולפרוס מודל באמצעות שפה אחת לאורך כל מחזור החיים של חקר וייצור מודלים. הפריון הכולל הוא מקור פתוח וזמין על GitHub . כדי להתחיל, לראות את הסתברות TensorFlow מדריך .