pymc.join_非共享输入

pymc.join_nonshared_inputs(point, outputs, inputs, shared_inputs=None, make_inputs_shared=False)

创建新的输出和输入 TensorVariables，其中非共享输入被合并为一个展平的向量输入。

参数:

点 : dict of {str : array_like}python:dict of {python:str}array_like}

映射每个输入变量名称到数值变量的字典。这些值用于提取每个输入变量的形状，以建立连接输入与原始输入之间的正确映射。假设每个变量的形状是固定的。

输出 : list 的 TensorVariablepython:TensorVariable 列表

输出 TensorVariables 列表，其非共享输入将被替换为连接的向量输入。

输入 : list 的 TensorVariablepython:TensorVariable 列表

将被替换为连接向量输入的输入 TensorVariables 列表。

shared_inputspython:dict of {TensorVariable}TensorSharedVariable}, 可选

子图替换中TensorVariable及其关联的TensorSharedVariable的字典。

make_inputs_shared : 布尔值，默认值 Falsebool, 默认 python:False

是否将连接的向量输入设为共享变量。

返回:

new_outputs : list 的 TensorVariablepython:TensorVariable 列表

依赖于 joined_inputs 和新共享变量作为输入的新输出 outputs TensorVariables 列表。

joined_inputsTensorVariable

new_outputs 的连接输入向量 TensorVariable

示例

连接一个简单 PyTensor 图的输入。

import pytensor.tensor as pt
import numpy as np

from pymc.pytensorf import join_nonshared_inputs

# Original non-shared inputs
x = pt.scalar("x")
y = pt.vector("y")
# Original output
out = x + y
print(out.eval({x: np.array(1), y: np.array([1, 2, 3])})) # [2, 3, 4]

# New output and inputs
[new_out], joined_inputs = join_nonshared_inputs(
    point={ # Only shapes matter
        "x": np.zeros(()),
        "y": np.zeros(3),
    },
    outputs=[out],
    inputs=[x, y],
)
print(new_out.eval({
    joined_inputs: np.array([1, 1, 2, 3]),
})) # [2, 3, 4]

加入模型 logp 的输入值变量。

import pymc as pm

with pm.Model() as model:
    mu_pop = pm.Normal("mu_pop")
    sigma_pop = pm.HalfNormal("sigma_pop")
    mu = pm.Normal("mu", mu_pop, sigma_pop, shape=(3, ))

    y = pm.Normal("y", mu, 1.0, observed=[0, 1, 2])

print(model.compile_logp()({
    "mu_pop": 0,
    "sigma_pop_log__": 1,
    "mu": [0, 1, 2],
})) # -12.691227342634292

initial_point = model.initial_point()
inputs = model.value_vars

[logp], joined_inputs = join_nonshared_inputs(
    point=initial_point,
    outputs=[model.logp()],
    inputs=inputs,
)

print(logp.eval({
    joined_inputs: [0, 1, 0, 1, 2],
})) # -12.691227342634292

与上述相同，但 mu_pop 值变量被共享。

from pytensor import shared

mu_pop_input, *other_inputs = inputs
shared_mu_pop_input = shared(0.0)

[logp], other_joined_inputs = join_nonshared_inputs(
    point=initial_point,
    outputs=[model.logp()],
    inputs=other_inputs,
    shared_inputs={
        mu_pop_input: shared_mu_pop_input
    },
)

print(logp.eval({
    other_joined_inputs: [1, 0, 1, 2],
})) # -12.691227342634292