用PYMC3/Thean广播数学运算

Question

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{}处声明了不匹配

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)

Answer 1

你能做到的

X = np.random.randint(low = -10, high = 10, size = 100)
X = x[:,None] # or x.reshape(-1, 1)

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

a0 = np.array([1,2])
b0 = np.array([1,2,3,5])
a0 = a0[:,None]  # comment/uncomment this line
print(a0.shape, b0.shape)
b0-a0