← 返回刚才阅读的位置

知识卡片

操作参考卡 · 9428.d · 生成模型:Tencent Hunyuan Hy

Edward实现贝叶斯网络

理解等级:中级

Edward 是基于 TensorFlow、专为概率建模与推断设计的库,支持变分推断和蒙特卡洛,本章用它实现贝叶斯网络。注意原文成文时(2018 年底)它只兼容 TensorFlow 1.7,需先降级安装。实现用 MNIST:以高斯分布为权重和偏差设先验,输出为分类分布,再用 KLqp 变分推断优化近似分布 Q(w)、Q(b)。训练后从分布采样 30 组参数预测,准确率都稳定在约 91%,显示高置信度。机制细节见[[贝叶斯视角:参数分布与置信度]]。

这张卡片看不懂?

已有反馈 · 0 条

    还没有人提交反馈。

    在整书笔记中的位置

    原书出处 · 1 处

    参考来源

    - 位置:《Python深度学习架构实用指南(初译)》第08章《深度学习的新趋势》(源文件:`../../book-sources/extracted/Python深度学习架构实用指南(初译)/_epub-src/OEBPS/Text/15.html`,来源项目 a19c7933-4eda-4176-aebd-30fe7e1ad292) - 结论依据:原文以 Edward+MNIST 得到约 91% 且一致的采样准确率,支撑贝叶斯网络实现能同时保持精度与显式置信度。 - 原始内容:Edward 是我们将用来实现贝叶斯推理的库。 它建立在 TensorFlow 之上,专为概率建模和推断而设计,包括变分推断和蒙特卡洛。