ホーム » TensorFlow » TensorFlow Probability 0.6.0 リリースノート

TensorFlow Probability 0.6.0 リリースノート

TensorFlow Probability 0.6.0 リリースノート (翻訳)

翻訳 : (株)クラスキャット セールスインフォメーション
日時 : 02/27/2019

* 本ページは、github TensorFlow Probability の releases の TensorFlow Probability 0.6.0 を翻訳したものです:

 

本文

これは TensorFlow Probability の 0.6 リリースです。それは TensorFlow 1.13.1 に対してテストされてステーブルです。

 

変更ノート

  • tfp.positive_semidefinite_kernels.RationalQuadratic を追加します。
  • tfpl.MultivariateNormalTriL で float64 をサポートします。
  • IndependentLogistic と IndependentPoisson 分布層を追加します。
  • Edward2 確率変数の値を設定するために make_value_setter interceptor を追加します。
  • LinearGaussianStateSpaceModel のメンバー関数として、Kalman Smoother の実装。
  • Bijector キャッシングは eager モードで実行するとき一つの方向でのみ有効にされます。forward(x) か inverse(y) を同じ x か y 値で繰り返し計算する場合には eager モードで何某かのパフォーマンス後退を引き起こすかもしれません。
  • tfpl.Independent{Bernoulli,Normal} で rank-0/empty event_shape を扱います。
  • eager モードで追加のテストを実行します。
  • quantiles(x, n, …) が tfp.stats に追加されました。
  • tensorflow_probability を Tensorflow 2.0 TensorShape インデキシングと互換にします。
  • Chi, Chi2 のための KL ダイバージェンスをテストするとき scipy.special 関数を使用します。
  • STS モデルから予測 (= forecast) を作成するためのメソッドを追加します。
  • MixtureSameFamily 分布を追加します。
  • Chi 分布を追加します。
  • doc typo tfp.Distribution -> tfd.Distribution を修正します。
  • Gumbel-Gumbel KL ダイバージェンスを追加します。
  • HalfNormal-HalfNormal KL ダイバージェンスを追加します。
  • Chi2-Chi2 KL ダイバージェンスのユニットテストを追加します。
  • Exponential-Exponential KL ダイバージェンスのユニットテストを追加します。
  • Normal-Normal KL ダイバージェンスのためのサンプリングテストを追加します。
  • IndependentNormal 分布層を追加します。
  • HiddenMarkovModel に posterior_marginals を追加しました。
  • Pareto-Pareto KL ダイバージェンスを追加します。
  • 構造時系列モデルのための LinearRegression コンポーネントを追加します。
  • python Dataset オブジェクト作成の間に (それを Iterator 作成時に行なう代わりに) dataset ops をグラフを追加します (あるいは Eager execution でカーネルを作成します)。
  • テキスト・メッセージ HMC ベンチマーク。
  • switching ポアソン過程を多重変化点検出のための HMM としてエンコードするサンプル・ノートブックを追加します。
  • make_simple_step_size_update_policy に num_adaptation_steps 引数を必要とします。
  • printed ベンチマーク文字列における s/eight_hmc_schools/eight_schools_hmc/。
  • Keras モデルを通して tfd.Distribution インスタンスを plumb することを可能にするために tfp.layers.DistributionLambda を追加します。
  • tfp.math.batch_interp_regular_1d_grid を追加しています。
  • in-depth サンプルを含めるために fill_triangular の記述を更新します。
  • bijector/distribution 合成, eg, tfb.Exp(tfd.Normal(0,1)) を有効にします。
  • tfp.stats.percentile に linear と midpoint interpolation が追加されました。
  • distributions をそれらが利用する bijectors のみを含むようにします。
  • tfp.math.interp_regular_1d_grid が追加されました。
  • tfp.stats.correlation が追加されました (ピアソン相関)。
  • 最近追加された Distributions を含めるために edward2 RVs のリストを更新します。
  • 連続一様分布の密度は upper エンドポイントを含みます。
  • tfp.glm.fit_sparse でバッチ化入力のためのサポートを追加します。
  • interp_regular_1d_grid が tfp.math に追加されました。
  • HiddenMarkovModel 分布を追加しました。
  • Student’s T 過程を追加します。
  • 観測が静的にスカラーであると知られているとき matrix ops を回避することにより LinearGaussianStateSpaceModel を最適化します。
  • stddev, cholesky が tfp.stats に追加されました。
  • 構造時系列モデルを変分推論と HMC でデータに fit するためのメソッドを追加します。
  • Expm1 bijector (Y = Exp(X) – 1) を追加します。
  • tfp.stats に新しい stats 名前空間 covariance と variance が追加されました。
  • 総ての利用可能な MCMC カーネルを TransformedTransitionKernel と互換にします。

 
以上

AI導入支援 #2 ウェビナー

スモールスタートを可能としたAI導入支援   Vol.2
[無料 WEB セミナー] [詳細]
「画像認識 AI PoC スターターパック」の紹介
既に AI 技術を実ビジネスで活用し、成果を上げている日本企業も多く存在しており、競争優位なビジネスを展開しております。
しかしながら AI を導入したくとも PoC (概念実証) だけでも高額な費用がかかり取組めていない企業も少なくないようです。A I導入時には欠かせない PoC を手軽にしかも短期間で認知度を確認可能とするサービの紹介と共に、AI 技術の特性と具体的な導入プロセスに加え運用時のポイントについても解説いたします。
日時:2021年10月13日(水)
会場:WEBセミナー
共催:クラスキャット、日本FLOW(株)
後援:働き方改革推進コンソーシアム
参加費: 無料 (事前登録制)
人工知能開発支援
◆ クラスキャットは 人工知能研究開発支援 サービスを提供しています :
  • テクニカルコンサルティングサービス
  • 実証実験 (プロトタイプ構築)
  • アプリケーションへの実装
  • 人工知能研修サービス
◆ お問合せ先 ◆
(株)クラスキャット
セールス・インフォメーション
E-Mail:sales-info@classcat.com