TensorFlow Probability è una libreria per il ragionamento probabilistico e l'analisi statistica.

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) è una libreria Python basata su TensorFlow che semplifica la combinazione di modelli probabilistici e deep learning su hardware moderno (TPU, GPU). È rivolto a data scientist, statistici, ricercatori di ML e professionisti che desiderano codificare la conoscenza del dominio per comprendere i dati e fare previsioni. TFP include:
  • Un'ampia selezione di distribuzioni di probabilità e biiettori.
  • Strumenti per costruire modelli probabilistici profondi, inclusi strati probabilistici e un'astrazione `JointDistribution`.
  • Inferenza variazionale e catena di Markov Monte Carlo.
  • Ottimizzatori come Nelder-Mead, BFGS e SGLD.
Poiché TFP eredita i vantaggi di TensorFlow, puoi creare, adattare e distribuire un modello utilizzando un unico linguaggio durante tutto il ciclo di vita dell'esplorazione e della produzione del modello. TFP è open source e disponibile su GitHub . Per iniziare, vedere la Guida alla probabilità di TensorFlow .