#206 · 主分类： 深度学习框架
zhusuan
bayesian-inference
deep-learning
generative-models
graphical-models
probabilistic-programming
一个基于Tensorflow的概率编程库，用于贝叶斯深度学习和生成模型
项目最后更新：12/17/22
GitHub Stars
2.2K
Forks数量
413
贡献者数量
20
许可证
MIT
收录理由
ZhuSuan 面向从事贝叶斯深度学习的开发者，这类用户既需要 TensorFlow 熟悉的计算图和梯度机制，又希望在模型中表达不确定性。它把概率建模的积木搭在 TensorFlow 之上，你可以直接定义随机潜变量，训练变分自编码器等生成模型，而不用亲手推导推断公式。库中提供了多种推断路径：支持可编程变分后验和多种梯度估计器的变分推断，重要性采样，带并行链的哈密顿蒙特卡洛，以及一族随机梯度 MCMC 采样器。附带的示例展示了如何在一个标准的深度学习栈上组装并训练概率模型，对于刚接触这个领域的人而言，是一个很实在的切入点。
相关文章
暂无针对该项目的文章。
如需补充新闻资讯、使用教程、应用测评等内容，欢迎 联系我们推荐选题或投稿。