在大都会采样中，PyMC3比PyMC慢得多

Question

我正在尝试比较PyMC和PyMC3的采样速度。

PyMC：

p1 = pymc.Normal('p1', 10, 0.5)
p2 = pymc.Gamma('p2', 11, 5)
p3 = pymc.Normal('p3', p1, p2)
model = pymc.Model([p1, p2, p3])

mcmc = pymc.MCMC(model)
mcmc.use_step_method(pymc.Metropolis, p1, p2, p3)
mcmc.sample(10000, progress_bar=True)

这花了2.7秒

PyMC3：

with pm.Model() as model:
    p1 = pm.Normal('p1', 10, 0.5)
    p2 = pm.Gamma('p2', 11, 5)
    p3 = pm.Normal('p3', p1, p2)
    steps = pm.Metropolis(vars=[p1, p2, p3])
    trace = pm.sample(10000,step=steps, progressbar=True)

这花了6.6秒

这是正常的吗？我是不是错过了PyMC3的一些优化技巧？

Answer 1

这很正常！PyMC3针对运行坚果进行了优化，这是一种用于连续模型的MCMC算法，其效率比大都会从分层模型中采样的效率高出一个数量级。相反，pymc是用fortran编写的，它提供了比pymc3中的jitted代码更快的速度，并且可能更关心像Metropolis这样的算法。