「確率分布をファーストクラスオブジェクトとして扱う」という観点で Tensorflow Probability を理解する - めもめも
何の話かと言うと Tensorflow Probability の公式ページを見ると、 「TensorFlow Probability は確率的推論と統計的分析のためのライブラリです。」 という言葉が目に飛び込んできますが、機械学習モデルを扱うライブラリーとしての Tensorflow とどういう関係にあるのかがよくわかりません。 ここでは、「確率分布をファーストクラスオブジェクトとして扱う」というプログラミング言語的な観点から、Tensorflow Probability を説明してみます。 「確率分布」というオブジェクト 数学で言うところの「変数 x」には、通常、実数や複素数などのスカラー値が入ります。一方、プログラミング言語の「変数」には、もっと多様なものを代入することができます。次の例では、変数 f に対して、「関数 is_even()」を代入しています。 def is_even(
TensorFlowやPyTorchで自動微分して勾配を取得する方法 - いっしきまさひこBLOG
この記事では、TensorFlowとPyTorchの「自動微分」機能を使って勾配（＝微分係数）を計算します。 PyTorchの自動微分については「第1回 難しくない！ PyTorchでニューラルネットワークの基本：PyTorch入門 - ＠IT」を、 TensorFlowの自動微分については「第5回 お勧めの、TensorFlow 2.0最新の書き方入門（エキスパート向け） (2/2)：TensorFlow 2＋Keras（tf.keras）入門 - ＠IT」 を参考にしてください。 以下で説明する内容は、以下で実行／ソースコード参照できます。 Colab: How to autograd by TensorFlow or PyTorch.ipynb - Colaboratory GitHub: MLnotebooks/How_to_autograd_by_TensorFlow_or_Py
1
リリース、障害情報などのサービスのお知らせ
最新の人気エントリーの配信
j次のブックマーク
k前のブックマーク
lあとで読む
eコメント一覧を開く
oページを開く
