张量流的概率建模与统计推断
tfp-nightl的Python项目详细描述
张量流概率
tensorflow概率是一个用于概率推理和统计的库 张量流分析。作为Tensorflow生态系统的一部分,Tensorflow 概率提供了概率方法与深度网络的集成, 基于梯度的推理通过自动区分和可扩展性 通过硬件加速(如GPU)和分布式的大型数据集和模型 计算。
我们的概率机器学习工具的结构如下。
第0层:张量流。数值运算。特别是直线牵引器
类启用可以利用特殊结构的无矩阵实现。
(对角线、低阶等)用于有效计算。它是建造和维护的
由Tensorflow概率小组,现在是
tf.linalg
核心tf.
第1层:统计构建块
第二层:模型构建
第3层:概率推理
张量流概率正在积极发展中。接口可以随时更改
时间, 参见 它还包括示例脚本,如: 要安装最新版本,请运行以下命令: 张量流概率取决于
tensorflow(pip包 注:由于tensorflow是而不是包含在tensorflow的依赖项中
probability包(在 要强制python 3特定的安装,请将上面的 在pip包下还有tensorflow概率的夜间构建
也可以从源安装。这需要bazel构建系统。 作为TensorFlow的一部分,我们致力于培养一个开放和热情的
环境。 有关
更多细节。请在此处查看我们的最新宣传: 我们渴望与您合作!参见 如果在论文中使用张量流概率,请引用: (我们知道TensorFlow概率比分布要多得多,但是分布文件展示了我们的愿景,现在是一个很好的引用。)tfp.distributions
):
大概率集合
批量和
广播
语义学。见
发行版教程tfp.bijectors
):
随机变量的可逆和可组合变换。双射器
从经典的例子中提供一类丰富的变换分布
像
记录正态分布
到复杂的深度学习模型,例如
屏蔽的自回归流tfp.edward2
):
一种描述柔性概率的概率编程语言
作为程序的模型。见
edward2readme.md
tfp.layers
):
神经网络层的功能不确定,
扩展TensorFlow层。tfp.trainable_distributions
):
用一个张量参数化的概率分布,使得
建立输出概率分布的神经网络。tfp.mcmcc
):
采样逼近积分的算法。包括
哈密顿蒙特卡洛,
随意漫步大都会黑斯廷斯,打造定制过渡能力
内核。tfp.vi
:
通过优化逼近积分的算法。tfp.optimizer
):
随机优化方法,扩展了张量流优化方法。包括
随机梯度langevin dynamicstfp.monte_carlo
):
计算蒙特卡洛期望值的工具。示例
tensorflow_probability/examples/
对于端到端的示例。它包括教程笔记本,如:安装
稳定构建
# Notes:# - We recommend that users move towards using TensorFlow 2.x as soon as# possible. Until the TF2 stable package is released (due in Sep. 2019),# the best way to use TFP with TF2 is to use nightly TFP and TF2 packages:# - Nightly TFP: [tfp-nightly](http://pypi.python.org/pypi/tfp-nightly)# - Nightly TF2: [tf-nightly-2.0-preview](http://pypi.python.org/pypi/tf-nightly-2.0-preview)# Once the TF2 stable release comes out, TFP will issue its 0.8.0 release,# which will be tested and stable against TF 2.0.0.# - You need the latest version of `pip` in order to get the latest version of# `tf-nightly-2.0-preview`.# - For GPU TF, use `tf-nightly-2.0-preview-gpu`.# - The `--upgrade` flag ensures you'll get the latest version.# - The `--user` flag ensures the packages are installed to your user directory# rather than the system directory.
python -m pip install pip --upgrade --user
python -m pip install tf-nightly-2.0-preview tfp-nightly --upgrade --user
TFVERSION=$(python -c 'import tensorflow; print(tensorflow.__version__)')# If you have an older pip, you might get this older version of# tf-nightly-2.0-preview, so check to be sure.[[$TFVERSION=='2.0.0-dev20190731']]&&echo >&2"Failed to install the most recent TF. Found: ${TFVERSION}."
tensorflow
)。见
tfp发行说明
有关TensorFlow和TensorFlow概率之间依赖关系的详细信息。setup.py
中),必须显式安装tensorflow
封装(tensorflow
或tensorflow gpu
)。这样我们就可以维持一个
为启用CPU和GPU的TensorFlow打包而不是单独打包。pip
替换为pip3
。
命令。有关其他安装帮助、安装先决条件指南,
以及(可选)设置虚拟环境,请参见tensorflow
安装指南每晚生成
tfp nightly
,这取决于tf nightly
,tf nightly gpu之一,
tf-nightly-2.0-preview
或tf-nightly-gpu-2.0-preview
。夜间构建包括
较新的功能,但可能不如版本化版本稳定。文档是
定期刷新此处从源安装
# sudo apt-get install bazel git python-pip # Ubuntu; others, see above links.
git clone https://github.com/tensorflow/probability.git
cd probability
bazel build --copt=-O3 --copt=-march=native :pip_pkg
PKGDIR=$(mktemp -d)
./bazel-bin/pip_pkg $PKGDIR
pip install --user --upgrade $PKGDIR/*.whl
社区
贡献
contribution.md
关于如何贡献的指南。这个项目遵循TensorFlow的
行为准则。通过参与,你应该
坚持这一准则。参考文献
推荐PyPI第三方库