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。
.. raw:: html
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。
.. toctree::
:glob:
:maxdepth: 1
:caption: 安装部署
.. toctree::
:glob:
:maxdepth: 1
:caption: 使用指南
using_bnn
using_the_vae
one_click_conversion_from_dnn_to_bnn
using_the_uncertainty_toolbox
probability
.. toctree::
:maxdepth: 1
:caption: API参考
mindspore.nn.probability