TensorFlow संभाव्यता संभाव्य तर्क और सांख्यिकीय विश्लेषण के लिए एक पुस्तकालय है।

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) TensorFlow पर बनी एक पायथन लाइब्रेरी है जो आधुनिक हार्डवेयर (TPU, GPU) पर संभाव्य मॉडल और गहन शिक्षण को संयोजित करना आसान बनाती है। यह डेटा वैज्ञानिकों, सांख्यिकीविदों, एमएल शोधकर्ताओं और चिकित्सकों के लिए है जो डेटा को समझने और भविष्यवाणियां करने के लिए डोमेन ज्ञान को एन्कोड करना चाहते हैं। टीएफपी में शामिल हैं:
  • संभाव्यता वितरण और बायजेक्टर का विस्तृत चयन।
  • संभाव्य परतों और एक `संयुक्त वितरण` अमूर्त सहित गहन संभाव्य मॉडल बनाने के लिए उपकरण।
  • विभिन्न अनुमान और मार्कोव श्रृंखला मोंटे कार्लो।
  • नेल्डर-मीड, बीएफजीएस, और एसजीएलडी जैसे अनुकूलक।
चूंकि TFP को TensorFlow के लाभ विरासत में मिलते हैं, इसलिए आप मॉडल की खोज और उत्पादन के पूरे जीवनचक्र में एक ही भाषा का उपयोग करके एक मॉडल बना सकते हैं, फिट कर सकते हैं और तैनात कर सकते हैं। TFP खुला स्रोत है और GitHub पर उपलब्ध है। आरंभ करने के लिए, TensorFlow प्रायिकता मार्गदर्शिका देखें।