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.
Introduzione alla programmazione probabilistica
Metodi bayesiani per gli hacker , un tutorial introduttivo pratico, è ora disponibile con esempi in TensorFlow Probability.
