详细内容或原文请订阅后点击阅览
从 R 开始使用 TensorFlow Probability
TensorFlow Probability 提供了广泛的功能，从概率网络层上的分布到概率推理。它与核心 TensorFlow 和 (TensorFlow) Keras 无缝协作。在这篇文章中，我们简要介绍了分布层，然后使用它在变分自动编码器中采样和计算概率。
来源:RStudio AI博客R 中有大量用于统计计算的优秀库，为什么你会对 TensorFlow Probability（简称 TFP）感兴趣？好吧 - 让我们看看它的组件列表：
TFP- 分布和双射器（双射器是可逆的可组合映射）概率建模（Edward2 和概率网络层）概率推理（通过 MCMC 或变分推理）
现在想象一下，所有这些都与 TensorFlow 框架无缝协作 - 核心、Keras、贡献模块 - 并且还可以在分布式和 GPU 上运行。可能的应用领域非常广泛 - 而且种类繁多，无法在一篇介绍性博客文章中全部涵盖。
相反，我们的目标是首次介绍 TFP，重点介绍其对深度学习的直接适用性和互操作性。我们将快速展示如何开始使用基本构建块之一：分布。然后，我们将构建一个类似于使用 MMD-VAE 进行表示学习的变分自动编码器。不过这一次，我们将利用 TFP 从先验和近似后验分布中进行采样。
TFP分布
使用 MMD-VAE 进行表示学习
TFP
我们将把这篇文章视为使用 TFP 和 Keras（来自 R）的“概念证明”，并计划跟进半监督表示学习领域的更详细示例。
TFP安装和使用 TFP
TFP要将 TFP 与 TensorFlow 一起安装，只需将 tensorflow-probability 附加到默认的额外包列表中：
TFPtensorflow-probability
library(tensorflow)install_tensorflow( extra_packages = c("keras", "tensorflow-hub", "tensorflow-probability"), version = "1.12")
library(tensorflow)install_tensorflow( extra_packages = c("keras", "tensorflow-hub", "tensorflow-probability"), version = "1.12")
library(tensorflow)
library
library
(