详细内容或原文请订阅后点击阅览
tfprobability 0.8在 CRAN 上：现在如何使用它？
作为 r-tensorflow 生态系统的一部分，tfprobability 是 TensorFlow Probability 的 R 包装器，TensorFlow Probability 是 Google 开发的 Python 概率编程框架。我们借 tfprobability 在 CRAN 上被接受的机会进行高级介绍，重点介绍有趣的用例和应用程序。
来源:RStudio AI博客大约一周前，tfprobability 0.8 在 CRAN 上被接受。虽然我们已经在这个博客上经常使用这个包，但在这篇文章中，我们想在高层次上（重新）介绍它，特别是针对新用户。
tfprobability
tfprobability，它是什么？
tfprobability 是 TensorFlow Probability 的 R 包装器，TensorFlow Probability 是一个基于 TensorFlow 框架构建的 Python 库。那么现在的问题是，什么是 TensorFlow Probability？
tfprobability
TensorFlow Probability
TensorFlow
如果——我们称之为“概率编程”——不是你每天都会做的事情，那么 TensorFlow Probability 网站上给出的功能枚举，甚至是模块的层次列表，可能会让你有点无助，尽管它可能很有信息量。
TensorFlow Probability 网站让我们从用例开始。我们将查看三个高级示例场景，然后快速浏览 TFP 提供的更基本的构建块。（简短说明：我们将使用 TFP 作为 Python 库和 R 包的首字母缩写词，除非我们专门指的是 R 包装器，在这种情况下我们将说 tfprobability）。
TFPtfprobability
用例 1：扩展深度学习
我们从大多数读者可能最感兴趣的用例类型开始：扩展深度学习。
分布层
在深度学习中，输出层通常是确定性的。没错，在分类中，我们习惯于谈论“类概率”。以多类情况为例：我们可以将结论归因于网络，“80% 的概率这是一只伯尔尼山犬”——但我们只能这样做，因为最后一层的输出已被 softmax 激活压缩为 \(0\) 和 \(1\) 之间的值。尽管如此，实际输出是一个张量（一个数字）。
\(0\) \(1\) 分布层具体来说，对于多类分类，我们可以使用分类层 (layer_one_hot_categorical)，替换类似
layer_one_hot_categorical layer_dense( layer_dense ( = ) )by
( =