看到那个Edward 了吗？对！其实它是个Python库

正文

请到「今天看啥」查看全文

Neural networks (via libraries such as Keras and TensorFlow Slim)

Conditionally specified undirected models

Bayesian nonparametrics and probabilistic programs

也就是支持

• 定向图模型

• 神经网络（通过 Keras 和 TensorFlow Slim 等库）

• 条件特定的无向模型

• 贝叶斯非参数和概率程序

其实我还是觉得，就神经网络而言，Keras的易用性真的是太棒了！

在这里提一下，想上Edward之前先看看自己的Tensorflow的版本，Tensorflow作为一个日新月异的深度学习框架，肯定有不少人表示——给老子上最新的！

所以。。。你们就要GG了。。。

我不是针对你，我是说所有想玩Edward的同时还追求Tensorflow的，都要把版本弄回来。。。

在arXiv的论文中提到：

他的效率高很多，举个例子就是：他做蒙特卡罗哈密顿方法，效率比别人高35倍

在Edward里，随机变量的地位很高，是类对象。

先科普一个常识，张量，就是Tensor，就是Tensorflow的那个Tensor，也就是多维数组。

另外，每个随机变量 与张量 相关联，其表示单个样本 方法，例如以计算对数密度和该关联将随机变量嵌入到计算图形中，其中节点表示张量和边际上的操作，表示张量在它们之间通信的符号框架。

而这种设计有助于在计算图框架中开发概率程序，也是Edward堪称“语言”的地方吧。所有的计算都可以在图表上表示。这使得很容易组成具有复杂确定性结构的随机变量，比如说深层神经网络，一组不同的数学运算以及在同一框架上构建的第三方库。噢对了，这种的设计还能使随机变量的组合能够捕获复杂的随机结构。

请到「今天看啥」查看全文