python概率编程_TensorFlow新功能：TensorFlow Probability概率编程工具箱介绍

在2018年TensorFlow开发者峰会上，我们宣布了TensorFlow Probability：一种概率编程工具箱，用于机器学习研究人员和其他从业人员快速可靠地利用最先进硬件构建复杂模型。如果出现以下情况，我们推荐你使用TensorFlow Probability：

你想建立一个生成数据的模型，并推理其隐藏的过程。

你需要量化预测中的不确定性，而不是预测单个值。

你的训练集具有大量相对于数据点数量的特征。

你的数据是结构化的，例如，使用组、空间、图表或语言语义 - 并且你希望使用先前的信息来捕获此结构。

你有一个相反的问题：见TFDS'18谈话：重建测量融合等离子体。

TensorFlow Probability为你提供解决上述这些问题的工具，此外，它还继承了TensorFlow的优势，如自动差异化，以及跨多种平台(CPU，GPU和TPU)扩展性能的能力。

什么是TensorFlow Probability？

我们这次发布的机器学习工具为TensorFlow生态系统中的概率推理和统计分析提供了模块化抽象。

TensorFlow概率的概述。概率编程工具箱为从数据科学家和统计人员到所有TensorFlow用户的用户提供了好处。

第0层：TensorFlow的数值运算。特别是，LinearOperator类实现了无矩阵计算，可以利用特殊结构(对角线，低秩矩阵等)进行高效计算。它由TensorFlow Probability团队构建和维护，现在是TF中tf.linalg核心的一部分。

第1层：统计构建模块

分布(tf.contrib.distributions，tf.distributions)：一个包含了批量和广播语义的概率分布和相关统计的大量集合。

Bijectors(tf.contrib.distributions.bijectors)：支持随机变量的可逆和可组合变换。Bijectors提供了丰富的变换分布类别，从经典的例子(如对数正态分布)到复杂的深度学习模型(如masked自回归流)。

(有关更多信息，请参阅TensorFlow Distributions白皮书。)

第2层：模型构建

Edward2(tfp.edward2)：一种用于将灵活的概率模型指定为程序的概率编程语言。

概率图层(tfp.layers)：对其所代表的功能具