Pyro和条件概率

Question

我正在学习本教程：An Introduction to Inference in Pyro

我不明白的是以下几点。为了获得(??????|?????,???????????=9.5)，我们可以使用pyro.condition函数

def scale(guess):
    weight = pyro.sample("weight", dist.Normal(guess, 1.0))
    print(weight)
    return pyro.sample("measurement", dist.Normal(weight, 0.75))

和conditioned_scale = pyro.condition(scale, data={"measurement": 9.5})

我写了以下脚本：

    pyro.set_rng_seed(101)
    scale(0.3) # tensor(-1.0905)
    pyro.set_rng_seed(101)
    conditioned_scale(0.3) # tensor(-1.0905)

对于这两个函数，我们得到相同的权重样本。本教程不是在说，使用conditioned_scale，我们可以从以measurement=9.5为条件的权重分布中获得样本吗？如果是这样，权重的样本不应该是不同的，因为在第一个调用中我们没有观察到任何数据，但在第二个调用中我们以数据为条件？

谢谢!

Answer 1

运行模型不会从后部产生样本，您需要运行推断(如SVI或MCMC)。

condition会将示例站点值替换为您指定的值。由于您为measurement指定值，因此weight不受影响。您所编写的模型等同于N(measurement;N(weight;guess,1),.75)，并且通过条件化，您已经声明了measurement=9.5。conditioned_scale = pyro.condition(scale, data={"weight": 9.5})和相同的密钥将产生不同的测量值。下面我用NumPyro写了同样的程序。你应该去看看https://forum.pyro.ai/。

import numpyro
import numpyro.distributions as dist


def scale(rng_key, guess):
    w_key, m_key = random.split(rng_key)

    weight = numpyro.sample("weight", dist.Normal(guess, 1.0), rng_key=w_key)
    print(weight)
    return numpyro.sample("measurement", dist.Normal(weight, 0.75), rng_key=m_key)


if __name__ == '__main__':
    rng_key = random.PRNGKey(0)
    print(scale(rng_key, 0.3))  # -0.49476373

    conditioned_scale = numpyro.handlers.condition(scale, data={"weight": 9.5})
    print(conditioned_scale(rng_key, 0.3))  # 8.561346