A TensorFlow Probability é uma biblioteca para raciocínio probabilístico e análise estatística.

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!)
A TensorFlow Probability (TFP) é uma biblioteca Python criada no TensorFlow que facilita a combinação de modelos probabilísticos e aprendizado profundo em hardware moderno (TPU, GPU). Foi desenvolvida para cientistas de dados, estatísticos, pesquisadores de ML e profissionais que querem codificar o conhecimento do domínio para entender os dados e fazer previsões. A TFP inclui:
  • uma ampla seleção de distribuições de probabilidade e bijetoras;
  • ferramentas para criar modelos probabilísticos profundos, incluindo camadas probabilísticas e uma abstração "JointDistribution";
  • inferência variacional e cadeia de Markov de Monte Carlo;
  • otimizadores como Nelder-Mead, BFGS e SGLD.
Como a TFP herda os benefícios do TensorFlow, é possível criar, ajustar e implantar um modelo usando uma única linguagem durante todo o ciclo de vida da exploração e produção do modelo. A TFP é de código aberto e está disponível no GitHub. Para começar, consulte o guia da TensorFlow Probability.