TensorFlow Probability היא ספרייה להיגיון הסתברותי ולניתוח 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 שמקלה על שילוב מודלים הסתברותיים ולמידה עמוקה על חומרה מודרנית (TPU, GPU). זה מיועד למדעני נתונים, סטטיסטיקאים, חוקרי ML ומתרגלים שרוצים לקודד ידע בתחום כדי להבין נתונים ולבצע תחזיות. TFP כולל:
  • מבחר רחב של התפלגויות הסתברות וביקטורים.
  • כלים לבניית מודלים הסתברותיים עמוקים, כולל שכבות הסתברותיות והפשטה של ​​`JointDistribution`.
  • מסקנות וריאציות ורשת מרקוב מונטה קרלו.
  • מייעלים כגון Nelder-Mead, BFGS ו-SGLD.
מכיוון ש-TFP יורש את היתרונות של TensorFlow, אתה יכול לבנות, להתאים ולפרוס מודל באמצעות שפה אחת לאורך כל מחזור החיים של חיפוש וייצור מודלים. TFP הוא קוד פתוח וזמין ב-GitHub . כדי להתחיל, עיין במדריך ההסתברות של TensorFlow .