pymc.SymbolicRandomVariable#

class pymc.SymbolicRandomVariable(*args, ndim_supp, **kwargs)[源代码]#

符号随机变量

这是 OpFromGraph 的一个子类,用于封装基于纯 RandomVariable 构建的复杂分布的符号随机图。

这些图表的结构可能会根据输入(例如,它们的维度)而有所不同,并且通常要求随机输入具有特定的形状以获得正确的输出(例如,避免随机输入的广播)。因此,大多数返回 SymbolicRandomVariable 的分布会在运行时通过类方法 cls.rv_op 创建这些图表,并在需要时注意克隆和调整随机输入的大小。

方法

SymbolicRandomVariable.L_op(inputs, outputs, ...)

为 L-算子构建一个图。

SymbolicRandomVariable.R_op(inputs, eval_points)

为 R-operator 构建一个图。

SymbolicRandomVariable.__init__(*args, ...)

初始化一个 SymbolicRandomVariable 类。

SymbolicRandomVariable.add_tag_trace(thing)

为节点或变量添加 tag.trace。

SymbolicRandomVariable.clone()

克隆 Op 及其内部图。

SymbolicRandomVariable.connection_pattern(node)

返回由输入和输出定义的子图的连接模式。

SymbolicRandomVariable.do_constant_folding(...)

确定是否应为给定节点执行常量折叠。

SymbolicRandomVariable.get_lop_op()

SymbolicRandomVariable.get_params(node)

尝试在 Op.params_type 设置为 ParamsType 时获取 Op 的参数。

SymbolicRandomVariable.get_rop_op()

SymbolicRandomVariable.grad(inputs, output_grads)

为每个输入变量构建梯度的图。

SymbolicRandomVariable.infer_shape(fgraph, ...)

SymbolicRandomVariable.make_node(*inputs)

构建一个 Apply 节点,表示将此操作应用于给定的输入。

SymbolicRandomVariable.make_py_thunk(node, ...)

生成一个 Python thunk。

SymbolicRandomVariable.make_thunk(node, ...)

创建一个 thunk。

SymbolicRandomVariable.perform(node, inputs, ...)

计算输入上的函数并将变量放入输出存储中。

SymbolicRandomVariable.prepare_node(node, ...)

在对 Op.make_thunk() 进行操作之前,进行 Op 所需的任何特殊修改。

SymbolicRandomVariable.set_grad_overrides(...)

设置渐变覆盖。

SymbolicRandomVariable.set_lop_overrides(...)

设置 L_op 覆盖 这将完全移除任何先前设置的 L_op/梯度覆盖

SymbolicRandomVariable.set_rop_overrides(...)

设置 R_op 覆盖 这将完全移除任何之前设置的 R_op 覆盖

SymbolicRandomVariable.update(node)

输入随机状态变量的符号更新表达式

属性

LOP_TYPE_ERR_MSG

OV_INP_LEN_ERR_MSG

STYPE_ERR_MSG

TYPE_ERR_MSG

default_output

一个 int ,指定 Op.__call__() 应该返回哪个输出。

destroy_map

一个 dict ,它将输出索引映射到它们就地操作的输入索引。

fn

惰性编译内部函数图。

inline_logprob

指定是否通过内图的自省自动推导出logprob函数。

inner_inputs

内部函数的输入。

inner_outputs

内部函数的输出。

itypes

ndim_supp

支持的维度数量,如在 RandomVariables 中(0 表示标量,1 表示向量,...)

otypes

params_type

view_map

一个 dict ,它将输出索引映射到它们所视图的输入索引。

fgraph

内部函数的 FunctionGraph