MindSpore Probability文档

深度学习模型具有强大的拟合能力,而贝叶斯理论具有很好的可解释能力。昇思MindSpore概率编程提供了贝叶斯学习和深度学习“无缝”融合的框架,旨在为用户提供完善的概率学习库,用于建立概率模型和应用贝叶斯推理。

概率编程主要包括以下几部分:

  • 提供丰富的统计分布和常用的概率推断算法。

  • 提供可组合的概率编程模块,让开发者可以用开发深度学习模型的逻辑来构造深度概率模型。

  • 提供不确定估计和异常检测的工具箱,拓展贝叶斯应用功能。

使用概率编程的典型场景

  1. 构建贝叶斯神经网络

    利用贝叶斯神经网络实现图片分类应用。

  2. 构建变分自编码器

    利用变分自编码器压缩输入数据,生成新样本。

  3. DNN一键转BNN

    支持DNN模型一键转换成BNN模型。

  4. 使用不确定性估计工具箱

    利用不确定性估计工具箱,得到偶然不确定性和认知不确定性,更好地理解模型和数据集。