Python Pymc二维高斯拟合

我试图用pymc将预定义的2d高斯函数拟合到一些观测数据中。我一直遇到错误，最后一个错误是

ValueError：使用序列设置数组元素。

我理解错误的含义，但我不确定代码中的错误发生在哪里。我天真的猜测是随机变量被设置为一些数组元素。如有任何建议，将不胜感激。以下是我目前的代码：

import pymc as mc
import numpy as np
import pyfits as pf

arr = pf.getdata('img.fits')
x=y=np.arange(0,71)
xx,yy=np.meshgrid(x,y)
err_map = pf.getdata('imgwht.fits')
def model((x,y),arr):
    amp = mc.Uniform('amp',lower=-1,upper=1,doc='Amplitude')
    x0 = mc.Uniform('x0',lower=21,upper=51,doc='xo')
    y0 = mc.Uniform('y0',lower=21,upper=51,doc='yo')
    sigx = mc.Uniform('sigx',lower=0.1,upper=10,doc='Sigma in X')
    sigy = mc.Uniform('sigy',lower=0.1,upper=10,doc='Sigma in Y')
    thta = mc.Uniform('theta',lower=0,upper=2*np.pi,doc='Rotation')
    os = mc.Uniform('c',lower=-1,upper=1,doc='Vertical offset')

    @mc.deterministic(plot=False,trace=False)
    def gaussian((x, y)=(xx,yy), amplitude=amp, xo=x0, yo=y0, sigma_x=sigx, sigma_y=sigy, theta=thta, offset=os):
        xo = float(xo)
        yo = float(yo)    
        a = (mc.cos(theta)**2)/(2*sigma_x**2) + (mc.sin(theta)**2)/(2*sigma_y**2)
        b = -(mc.sin(2*theta))/(4*sigma_x**2) + (mc.sin(2*theta))/(4*sigma_y**2)
        c = (mc.sin(theta)**2)/(2*sigma_x**2) + (mc.cos(theta)**2)/(2*sigma_y**2)
        gauss = offset+amplitude*mc.exp(-1*(a*((x-xo)**2)+2*b*(x-xo)*(y-yo)+c*((y-yo)**2)))
        return gauss
    flux = mc.Normal('flux',mu=gaussian,tau=err_map,value=arr,observed=True,doc='Observed Flux')
    return locals()
mdl = mc.MCMC(model((xx,yy),arr))
mdl.sample(iter=1e5,burn=9e4)

完全回溯：

File "model.py", line 31, in <module>
    mdl = mc.MCMC(model((xx,yy),arr))
File "model.py", line 29, in model
    flux = mc.Normal('flux',mu=gaussian,tau=err_map,value=arr,observed=True,doc='Observed Flux')
File "/usr/lib64/python2.7/site-packages/pymc/distributions.py", line 318, in __init__
**arg_dict_out)
File "/usr/lib64/python2.7/site-packages/pymc/PyMCObjects.py", line 761, in __init__
verbose=verbose)
File "/usr/lib64/python2.7/site-packages/pymc/Node.py", line 219, in __init__
Node.__init__(self, doc, name, parents, cache_depth, verbose=verbose)
File "/usr/lib64/python2.7/site-packages/pymc/Node.py", line 129, in __init__
self.parents = parents
File "/usr/lib64/python2.7/site-packages/pymc/Node.py", line 152, in _set_parents
self.gen_lazy_function()
File "/usr/lib64/python2.7/site-packages/pymc/PyMCObjects.py", line 810, in gen_lazy_function
self._logp.force_compute()
File "LazyFunction.pyx", line 257, in pymc.LazyFunction.LazyFunction.force_compute (pymc/LazyFunction.c:2409)
File "/usr/lib64/python2.7/site-packages/pymc/distributions.py", line 2977, in wrapper
return f(value, **kwds)
File "/usr/lib64/python2.7/site-packages/pymc/distributions.py", line 2168, in normal_like
return flib.normal(x, mu, tau)
ValueError: setting an array element with a sequence.

文件“model.py”，第31行，在
mdl=mc.MCMC（型号（xx，yy，arr））
文件“model.py”，第29行，在模型中
通量=mc.Normal（'flux'，mu=高斯，tau=err_map，value=arr，observed=True，doc='observed flux'）
文件“/usr/lib64/python2.7/site packages/pymc/distributions.py”，第318行，在__
**arg_dict_out）
文件“/usr/lib64/python2.7/site packages/pymc/PyMCObjects.py”，第761行，在__
详细的
文件“/usr/lib64/python2.7/site packages/pymc/Node.py”，第219行，在__
节点.\uuuuu init\uuuuuuuuuuuu（self，doc，name，parent，cache\u depth，verbose=verbose）
文件“/usr/lib64/python2.7/site packages/pymc/Node.py”，第129行，在__
self.parents=父母
文件“/usr/lib64/python2.7/site packages/pymc/Node.py”，第152行，在父集合中
self.gen_lazy_函数（）
gen_lazy_函数中的文件“/usr/lib64/python2.7/site packages/pymc/PyMCObjects.py”，第810行
self.\u logp.force\u compute（）
pymc.LazyFunction.LazyFunction.force_compute（pymc/LazyFunction.c:2409）中的文件“LazyFunction.pyx”，第257行
包装器中的文件“/usr/lib64/python2.7/site packages/pymc/distributions.py”，第2977行
返回f（值，**科威特第纳尔）
文件“/usr/lib64/python2.7/site packages/pymc/distributions.py”，第2168行，正常格式
返回飞片正常（x，mu，tau）
ValueError:使用序列设置数组元素。

我以前遇到过类似的问题，但从未有机会找到问题的根源。代码中的问题行是观察到的

随机问题的问题行：

flux = mc.Normal('flux',mu=gaussian,tau=err_map,value=arr,observed=True,doc='Observed Flux')

我知道您可以使用一种变通方法，即检查
mu
变量是否为
pymc.Node
，并仅在不为时查找可能性：

@mc.observed
def flux(mu=gaussian,tau=err_map,value=arr):
    if isinstance(mu, mc.Node):
        return 0
    else:
        return mc.normal_like(value, mu, tau)

我认为如果你有时间的话，在PyMC github问题跟踪程序中提交一份bug报告是值得的。
the
@mc.deterministic
decorator返回一个
deterministic
变量。要获取变量的值，请使用属性
value

flux = mc.Normal('flux',mu=gaussian.value,tau=err_map,value=arr,observed=True,doc='Observed Flux')

您能提供该错误的完整回溯吗？欢迎使用堆栈溢出，请使用。寻求调试帮助的问题（“为什么这段代码不起作用？”）必须包括所需的行为、特定的问题或错误以及在问题本身中重现它所需的最短代码。没有明确问题陈述的问题对其他读者没有用处。请参阅。@Cyber绝对感谢您的查看。我得到了
IOError:文件不存在：“img.fits”
；你能链接到你的代码所需的
.fits
文件吗？@AbrahamDFlaxman这是img.fits:和imgwht.fits的链接：