使用 Pyro 实现图形模型的问题

大佬教程收集整理的这篇文章主要介绍了使用 Pyro 实现图形模型的问题，大佬教程大佬觉得挺不错的，现在分享给大家，也给大家做个参考。

如何解决使用 Pyro 实现图形模型的问题？

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',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

然而，这对我来说似乎不正确。问题是“f”。由于其分布与伯努利不同。为了从 f 中采样，我使用了伯努利分布中的一个样本，然后在 l=0 时更改了采样值。但我认为这不会改变 Pyro 在幕后为“f”存储的值。这在推理时会出现问题，对吗？

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？任何类型的帮助表示赞赏！干杯！

解决方法

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',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)

大佬总结

以上是大佬教程为你收集整理的使用 Pyro 实现图形模型的问题全部内容，希望文章能够帮你解决使用 Pyro 实现图形模型的问题所遇到的程序开发问题。

如果觉得大佬教程网站内容还不错，欢迎将大佬教程推荐给程序员好友。

本图文内容来源于网友网络收集整理提供，作为学习参考使用，版权属于原作者。
如您有任何意见或建议可联系处理。小编QQ：384754419，请注明来意。