TensorFlow Probability는 확률적 추론 및 통계 분석을 위한 라이브러리입니다

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)는 최신 하드웨어(TPU, GPU)에서 확률 모델 및 딥 러닝을 손쉽게 결합할 수 있도록 도와주는 TensorFlow 기반의 Python 라이브러리입니다. TFP는 데이터를 이해하고 예측하기 위해 도메인 지식을 인코딩하려는 데이터 과학자, 통계 전문가, ML 연구자 및 실무자용 라이브러리입니다. TFP에는 다음 항목이 포함됩니다.
  • 다양한 확률 분포 및 바이젝터
  • 확률 레이어 및 `JointDistribution` 추상화를 비롯한 딥 확률 모델을 빌드하는 도구
  • 변이 추론 및 마르코프 체인 몬테카를로법
  • Nelder-Mead, BFGS 및 SGLD와 같은 옵티마이저
TFP는 TensorFlow의 이점을 계승하므로 모델 탐색 및 생산의 수명 주기 전반에 걸쳐 단일 언어를 사용하여 모델을 빌드, 조정 및 배포할 수 있습니다. TFP는 오픈소스이며 GitHub에서 사용 가능합니다. 시작하려면 TensorFlow Probability 가이드를 참조하세요.