TensorFlow 概率是一个用于概率推理和统计分析的库。
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!)
在 笔记本 中运行
TensorFlow 概率 (TFP) 是一个基于 TensorFlow 构建的 Python 库，它可以轻松地将概率模型和深度学习结合在现代硬件（TPU、GPU）上。它适用于希望对数据进行编码以了解数据并进行预测的数据科学家、统计学家、ML 研究人员和从业人员。TFP 包括
- 各种概率分布和双射。
- 构建深度概率模型的工具，包括概率层和 `JointDistribution` 抽象。
- 变分推断和马尔可夫链蒙特卡罗。
- 优化器，例如 Nelder-Mead、BFGS 和 SGLD。
概率编程简介
面向黑客的贝叶斯方法，一个入门级、动手实践的教程，现在可以使用 TensorFlow 概率中的示例。
