我认为这个问题归结为我对Theano
作品缺乏理解。在这种情况下,我想创建一个变量,它是分布和numpy数组之间的减法的结果。当我将shape参数指定为1
时,这种方法可以很好地工作
import pymc3 as pm
import numpy as np
import theano.tensor as T
X = np.random.randint(low = -10, high = 10, size = 100)
with pm.Model() as model:
nl = pm.Normal('nl', shape = 1)
det = pm.Deterministic('det', nl - x)
nl.dshape
(1,)
但是,当我指定shape>;1时,这将中断
^{pr2}$我试着把X调过来让它可以播放
X2 = X.reshape(-1, 1).transpose()
X2.shape
(1, 100)
但现在它在.shape[1]
而不是{
with pm.Model() as model:
nl = pm.Normal('nl', shape = 2)
det = pm.Deterministic('det', nl - X2)
ValueError: Input dimension mis-match. (input[0].shape[1] = 2, input[1].shape[1] = 100)
如果我循环分布的元素,就可以实现这一点
distShape = 2
with pm.Model() as model:
nl = pm.Normal('nl', shape = distShape)
det = {}
for i in range(distShape):
det[i] = pm.Deterministic('det' + str(i), nl[i] - X)
det
{0: det0, 1: det1}
但是这感觉不雅观,并限制我在模型的其余部分使用循环。我想知道是否有一种方法可以指定这个操作,这样它就可以和发行版一样工作了。在
distShape = 2
with pm.Model() as model:
nl0 = pm.Normal('nl1', shape = distShape)
nl1 = pm.Normal('nl2', shape = 1)
det = pm.Deterministic('det', nl0 - nl1)
你能做到的
然后呢
^{pr2}$在这种情况下,nl和X的形状将分别为((2,1),(100,)),然后可广播。在
注意,两个NumPy数组(不仅仅是一个Theano张量和一个NumPy数组)也有相同的行为
相关问题 更多 >
编程相关推荐