Julia Gen：如何在高阶生成函数中组合多个生成函数轨迹？

我将在上浏览“Gen建模入门”笔记本

第5节（调用其他生成函数）要求“构造一个数据集，对于该数据集，直线模型或正弦波模型是否最佳尚不明确”

我很难理解如何使用组件函数的跟踪（和返回）来创建一个有意义的高阶跟踪，我可以使用它

对我来说，最直接的“模糊”模型是

line（xs）。+sine（xs）

。因此，我将模拟

Gen.simulate

ed

line

和

sine

以获得轨迹并将它们相加，如下所示：

@gen函数组合（xs:：Vector{Float64}）
my_sin=模拟（正弦模型_2，（xs，）
my_lin=模拟（直线模型_2，（xs，））
如果@trace（伯努利（0.5），：是_线）
@跟踪（正常（获取选项（my_lin）[:slope]，0.01），：slope）
@跟踪（正常（获取选项（my_lin）[:intercept]，0.01），：intercept）
@跟踪（正常（获取选项（my_lin）[:noise]，0.01），：noise）
其他的
@跟踪（正常（获取选项（my_sin）[:phase]，0.01），：phase）
@跟踪（正常（获取选项（my_sin）[:period]，0.01），：period）
@记录道（正常（获取选项（my_sin）[：振幅]，0.01），：振幅）
@跟踪（正常（获取选项（my_sin）[:noise]，0.01），：noise）
终止
combo=[get_choices（my_sin）[（：y，i）]+get_choices（my_lin）[（：y，i）]，因为i=1:length（xs）]
用于枚举（组合）中的（i，c）
@轨迹（正常（c，0.1），（：y，i））
终止
终止

这显然是错误的，我知道在Gen中跟踪和prob编程的整个思想中，我遗漏了一些基本的东西

我希望能够从combo中内省sine/line_模型的跟踪，并对跟踪进行元素添加以获得新的跟踪。而且不必随机选择一个接近：intercept，：phase等的数字，这样我可以在以后的跟踪中包含它

顺便说一下，当我这样做的时候：

traces = [Gen.simulate(combo,(xs,)) for _=1:12];
grid(render_combined, traces)

我明白了

---

请帮忙，谢谢

大家好-感谢您对Gen的兴趣！：）

组合模型跟踪的地址

教程中的组合模型如下所示：

@gen function combined_model(xs::Vector{Float64})
    if @trace(bernoulli(0.5), :is_line)
        @trace(line_model_2(xs))
    else
        @trace(sine_model_2(xs))
    end
end;

其跟踪将具有以下地址：

• ：is_line

  ，存储一个布尔值，指示生成的数据集是否为线性数据集
• 来自

  line\u model\u 2

  或

  sine\u model\u 2

  的任何地址，具体取决于调用的地址

请注意，

line\u model\u 2

和

sine\u model\u 2

的跟踪都包含

（：y，i）

对于

1

和

长度（xs）

之间的每个整数

i

。因此，

combined\u model

的跟踪也将如此：这些是表示最终采样的

y

值的地址，而不管这两个过程中的哪一个生成了它们

构建新数据集

“构建一个线性或正弦波模型是否最佳的数据集不明确”的问题不需要编写一个新的生成函数（使用

@gen

），而是构建一个

xs

列表和一个

ys

列表（简单地说）您认为这可能会使数据集难以消除歧义。然后，您可以将

xs

和

ys

传递到笔记本中前面定义的

do_推断

函数中，以查看系统对数据集的结论。请注意，

do\u expression

函数构造一个约束选项映射，将每个

（：y，i）

约束为传入数据集中的值

ys[i]

。这是因为

（：y，i）

始终是第i个数据点的名称，而不管

：is_line的值是多少

更新/操作跟踪

你写道：

我希望能够从combo中内省sine/line_模型的跟踪，并对跟踪进行元素添加以获得新的跟踪。而且不必随机选择一个接近：intercept，：phase等的数字，这样我可以在以后的跟踪中包含它

您当然可以调用
simulate
两次，以获得两个跟踪，而不是像
combo这样的生成函数。但是跟踪不能以任意方式进行操作（例如“元素添加”）：作为数据结构，跟踪保持某些不变量，例如始终知道生成它们的模型下它们当前值的确切概率，并且始终保持实际可能从模型生成的值

您正在寻找的类似字典的数据结构是一个choicemap。Choicemaps是可变的，可以构建为在任意地址包含任意值。例如，您可以编写：

observations = Gen.choicemap()
for (i, y) in enumerate(ys)
  observations[(:y, i)] = y
end

Choicemaps可用作生成新跟踪的约束条件（使用
Gen.generate
），作为Gen的低级
Gen.update
方法的参数（允许您在重新计算任何相关概率时更新跟踪，如果更新无效则出错），以及在其他几个地方

希望有帮助：）
多亏了亚历克斯·卢的澄清，答案比我想象的要简单得多。以下是我所做的：

xs = [-5:0.1;5;]

ambiguous = [0.3*x+0.2*sin(x)+normal(0,.5) for x in xs];

ambig_trace = do_inference(combined_model,xs, ambiguous, 100)

render_combined(ambig_trace)


制作：


（或者更正弦的东西，如果可以推断的话）

最后：

n_infers = 100
is_sine = 0
for i=1:n_infers
    curr_trace = do_inference(combined_model, xs, ambiguous, 100)
    if !curr_trace[:is_line] is_sine+=1 end
end
println("posterior probability of sine wave model is $(is_sine/n_infers)")

# => posterior probability of sine wave model is 0.52

你可能想在回购协议上问这个问题，因为Gen是全新的，所以这里没有多少人知道。谢谢@chrisrackaukas，我在回购协议->问题上问过，但这不是正确的地方。希望我能在继续学习教程的过程中得到一些指导