Theano 无法在分层pymc3模型中创建lambda函数
我试图用PyMC 3创建如下所示的模型,但无法找出如何用lambda函数正确地将概率映射到观测数据Theano 无法在分层pymc3模型中创建lambda函数,theano,pymc3,Theano,Pymc3,我试图用PyMC 3创建如下所示的模型,但无法找出如何用lambda函数正确地将概率映射到观测数据 import numpy as np import pymc as pm data = np.array([[0, 0, 1, 1, 2], [0, 1, 2, 2, 2], [2, 2, 1, 1, 0], [1, 1, 2, 0, 1]]) (D, W) = data.shape V = l
import numpy as np
import pymc as pm
data = np.array([[0, 0, 1, 1, 2],
[0, 1, 2, 2, 2],
[2, 2, 1, 1, 0],
[1, 1, 2, 0, 1]])
(D, W) = data.shape
V = len(set(data.ravel()))
T = 3
a = np.ones(T)
b = np.ones(V)
with pm.Model() as model:
theta = [pm.Dirichlet('theta_%s' % i, a, shape=T) for i in range(D)]
z = [pm.Categorical('z_%i' % i, theta[i], shape=W) for i in range(D)]
phi = [pm.Dirichlet('phi_%i' % i, b, shape=V) for i in range(T)]
w = [pm.Categorical('w_%i_%i' % (i, j),
p=lambda z=z[i][j], phi_=phi: phi_[z], # Error is here
observed=data[i, j])
for i in range(D) for j in range(W)]
我得到的错误是
AttributeError: 'function' object has no attribute 'shape'
在我试图构建的模型中,z
的元素表示phi
中的哪个元素给出了数据中相应观察值的概率(放置在RVw
)。换句话说,
P(data[i,j]) <- phi[z[i,j]][data[i,j]]
P(数据[i,j])在将其传递给
w
之前,您应该将您的分类P
值指定为Deterministic
对象。否则,as_op
实现将如下所示:
@theano.compile.ops.as_op(itypes=[t.lscalar, t.dscalar, t.dscalar],otypes=[t.dvector])
def p(z=z, phi=phi):
return [phi[z[i,j]] for i in range(D) for j in range(W)]
我为我的模型修复了itypes
列表,但我仍然得到'list'对象没有属性'type'
,因为phi
是一个列表。我可以将z
的元素(它也是一个列表)传递给as_op
函数,但我需要phi
作为列表参数,这样我就可以在z
上对其进行索引。似乎我可以使用容器
或索引
对象来实现这一点,但这些类在pymc3中不存在。使用Deterministic
似乎也会有同样的问题,因为我仍然需要用z
RV为phi
列表编制索引。只是好奇这是否已经解决了。我在这里遇到了一些类似的问题…希望我不必切换回PYMC2现在pymc3中有一个确定性的。请参阅存储库中的示例文件夹,以及灾难模型任意确定性.py中所示的as_op
装饰器。是的,我看到了,但问题仍然是我希望将任意大小的pymc3变量列表传递给,因为_op
…dvector
无法工作,因为它们需要“Theano list”,但我无法创建pymc3变量的“Theano list”。在Theano中操作向量非常重要,因为它通常需要使用扫描,这不是很直观。你能解决这个问题吗?