【问题标题】:Problem in Implementing a Graphical Model Using Pyro使用 Pyro 实现图形模型的问题
【发布时间】:2021-01-21 03:19:45
【问题描述】:

我正在尝试使用 Pyro 实现这个图形模型:

我的实现是:

def model(data): 
    p = pyro.sample('p', dist.Beta(1, 1))

    label_axis = pyro.plate("label_axis", data.shape[0], dim=-3)
    f_axis = pyro.plate("f_axis", data.shape[1], dim=-2)

    with label_axis:
        l = pyro.sample('l', dist.Bernoulli(p))
    
    with f_axis:
        e = pyro.sample('e', dist.Beta(1, 10))

    with label_axis, f_axis:
        f = pyro.sample('f', dist.Bernoulli(1-e), obs=data)
        f = l*f + (1-l)*(1-f)
     return f

但是,这似乎不适合我。问题是“f”。因为它的分布不同于伯努利。为了从 f 中采样,我使用了来自伯努利分布的样本,然后在 l=0 时更改采样值。但我不认为这会改变 Pyro 在幕后存储的“f”值。这在推理时会出现问题,对吧?

我想使用迭代板而不是矢量化板,以便能够在我的板中使用控制语句。但显然,这是不可能的,因为我正在重复使用盘子。

如何正确实施此 PGM?我需要编写自定义发行版吗?或者我可以破解 Pyro 并自己更改“f”的存储值吗?任何类型的帮助表示赞赏!干杯!

【问题讨论】:

  • 请注意这里正确的标签是pyro.ai; pyro 指的是不同的东西(已编辑)。

标签: pgm pyro.ai


【解决方案1】:

这是正确的实现:

import pyro
import pyro.distributions as dist
from pyro.infer import MCMC, NUTS

def model(data): 
    p = pyro.sample('p', dist.Beta(1, 1))

    label_axis = pyro.plate("label_axis", data.shape[0], dim=-2)
    f_axis = pyro.plate("f_axis", data.shape[1], dim=-1)

    with label_axis:
        l = pyro.sample('l', dist.Bernoulli(p))

    with f_axis:
        e = pyro.sample('e', dist.Beta(1, 10))

    with label_axis, f_axis:
        prob = l * (1 - e) + (1 - l) * e
        return pyro.sample('f', dist.Bernoulli(prob), obs=data)

mcmc = MCMC(NUTS(model), 500, 500)
data = dist.Bernoulli(0.5).sample((20, 4))
mcmc.run(data)

【讨论】:

    猜你喜欢
    • 2011-02-19
    • 1970-01-01
    • 2012-05-18
    • 1970-01-01
    • 2014-10-04
    • 2021-06-25
    • 2019-11-10
    • 2021-09-03
    • 1970-01-01
    相关资源
    最近更新 更多