1.9.1

入门教程

Pyro 入门
Pyro 模型的自动渲染
渲染确定性变量
SVI 第一部分：Pyro 中随机变分推断入门
SVI 第二部分：条件独立性、子采样和分期摊还
SVI 第三部分：ELBO 梯度估计器
SVI 第四部分：技巧与窍门

Pyro 和 PyTorch 实践

贝叶斯回归 - 入门 (第一部分)
贝叶斯回归 - 推断算法 (第二部分)
Pyro 中的张量形状
Pyro 中的模块
高维贝叶斯工作流程，及其在 SARS-CoV-2 毒株上的应用
交互式后验预测检查
在 Pyro 中使用 PyTorch JIT 编译器
示例：使用普通 PyTorch 在 SVI 中执行优化
示例：通过 Horovod 进行分布式训练
示例：通过 PyTorch Lightning 进行分布式训练
使用归一化流（Normalizing Flow）作为指导（guide）的 SVI

深度生成模型

变分自编码器
半监督 VAE
条件变分自编码器
归一化流 - 入门
使用归一化流作为先验的变分自编码器
深度马尔可夫模型
注意-推断-重复 (Attend Infer Repeat)
示例：因果效应 VAE
示例：稀疏 Gamma 深度指数族
概率主题建模
scANVI：使用 Pyro 进行单细胞数据的深度生成建模

离散潜变量

使用离散潜变量进行推断
高斯混合模型
Pyro 中的 Dirichlet 过程混合模型
示例：使用离散枚举的玩具混合模型
示例：隐马尔可夫模型
示例：捕获再捕获模型 (CJS 模型)
示例：分层混合效应隐马尔可夫模型
示例：使用 Plated Einsum 进行离散因子图推断
示例：分期摊还的 Latent Dirichlet Allocation

定制推断

MLE 和 MAP 估计
使用 AutoGuides 做同样的事情
使用 EasyGuide 编写指导（guides）
定制 SVI 目标和训练循环
提升黑箱变分推断
示例：使用 NeuTraReparam 的神经 MCMC
示例：稀疏贝叶斯线性回归
示例：使用 pyro.contrib.autoname 减少样板代码

应用：时间序列

预测 I：单变量，重尾
预测 II：状态空间模型
预测 III：分层模型
使用动态线性模型 (DLM) 进行预测
随机波动率的 Levy Stable 模型
多元预测
示例：高斯过程时间序列模型

应用：高斯过程

高斯过程
高斯过程潜变量模型
贝叶斯优化
示例：深度核学习

应用：流行病学

流行病学模型：入门
示例：单变量流行病学模型
示例：区域流行病学模型
示例：通过 HMC 进行流行病学推断
SARS-CoV-2 谱系比例的逻辑增长模型

应用：生物序列

示例：常数 + MuE (Profile HMM)
示例：概率 PCA + MuE (FactorMuE)

应用：实验设计

设计自适应实验以研究工作记忆
使用贝叶斯最优实验设计预测美国总统选举结果

应用：目标跟踪

跟踪未知数量的目标
卡尔曼滤波器

其他推断算法

示例：使用 MCMC 分析棒球统计数据
示例：使用马尔可夫链蒙特卡洛进行推断
示例：使用协方差上的 LKJ 先验的 MCMC
编译序列重要性采样
示例：序列蒙特卡洛滤波
示例：重要性采样
理性言语行为框架
使用 RSA 理解夸张
示例：结合 MCMC 和 SVI 利用预测变量和确定性变量

理解 Pyro 的内部机制

Mini-Pyro
Poutine：Pyro 中使用 Effect Handlers 编程指南
pyro.contrib.funsor，Pyro 的新后端 - 新原语 (第一部分)
pyro.contrib.funsor，Pyro 的新后端 - 构建推断算法 (第二部分)
示例：使用 pyro.contrib.funsor 和 pyroapi 的隐马尔可夫模型

已弃用

(已弃用) Pyro 模型入门
(已弃用) Pyro 推断入门

Pyro 教程

»
索引

索引

© 版权所有 Pyro 贡献者。

使用 Sphinx 构建，使用由 Read the Docs 提供的主题。