Probability 是 TensorFlow 的概率推理工具集,它是集建模工具、推理算法、一些有用的模型和一般统计计算于一身的开发工具集合。利用 TensorFlow,Probability 可以将概率方法和深度网络、通过自动差分的基于梯度的推论、大数据集、通过硬件(比如 GPU)加速的模型和分布式计算结合起来。
该软件的主要内容包括以下几个部分:
采样算法,例如,tfp.metropolis_hastings,tfp.hmc,tfp.monte_carlo。
示例模型(tfp.examples):使用此包和tf.contrib.distributions中的工具在TensorFlow中实现常见概率模型。
该库中的接口可能随时会更改。
Github 地址:
https://github.com/tensorflow/probability
安装:
安装 Probability 最简单的方法是用 pip:
pip install --upgrade tensorflow-probability # for Python 2.7
pip3 install --upgrade tensorflow-probability # for Python 3.n
pip install --upgrade tensorflow-probability-gpu # for Python 2.7 and GPU
pip3 install --upgrade tensorflow-probability-gpu # for Python 3.n and GPU
TensorFlow Probability 目前不包含任何指定 GPU(GPU-specific)的代码。这些软件包之间的主要区别在于 tensorflow-probability-gpu 取决于启用 GPU 的 TensorFlow 版本。
开发者也可以从源代码安装, 这需要 Bazel(https://bazel.build/)构建系统。
git clone https://github.com/tensorflow/probability.git
cd probability
bazel build --config=opt :pip_pkg
./bazel-bin/pip_pkg /tmp/tensorflow_probability_pkg
pip install /tmp/tensorflow_probability_pkg/*.whl
示例:
通过示例来学习是最容易的, examples / 目录包含常见概率模型的参考实现,并演示了在 TensorFlow 中构建概率模型的惯用方法。开发者可以直接用命令行运行示例:
python -m tensorflow_probability.examples.weight_uncertainty.mnist_deep_nn
训练贝叶斯深度网络对MNIST数字进行分类,请参阅示例目录:
https://github.com/tensorflow/probability/tree/master/examples/
用法:
安装 tensorflow_probability 后,可通过以下方式访问函数:
import tensorflow_probability as tfp
春节 AI 学习狂欢,精品课程 豪华特辑
优惠折上折,福利抢不停!
进入阅读原文获取更多福利
▼▼▼