文件名称：mcx:表示和编译概率程序，以便在CPU和GPU上进行性能推断。 由JAX提供支持
文件大小：112KB
文件格式：ZIP
更新时间：2024-06-03 11:46:36
probabilistic-programming Python
MCX XLA评分的贝叶斯推断 MCX是一个概率编程库，着眼于采样方法。 MCX转换模型定义以生成logpdf或采样函数。 这些功能是JIT与JAX编译的。 它们支持批处理，可以透明地在CPU，GPU或TPU上执行。 该项目目前尚处于起步阶段，正朝着提供作为一流公民的顺序推理，以及用于贝叶斯深度学习的高效采样方法的目标。 MCX的理念 知道如何表达图形模型并操纵Numpy数组就足以定义模型。 模型应该是模块化的并且可以重复使用。 推理应具有高性能，并应利用GPU。 有关更多信息，请参见。 见获得更新的路线图V0.1。 当前的API 请注意， mcx中仍然有许多移动的部分，API可能会稍有变化。 import arviz as az import jax import jax . numpy as jnp import numpy as np import mcx from m
【文件预览】：
mcx-master
----requirements-dev.txt(122B)
----docs()
--------Makefile(638B)
--------source()
----pytest.ini(202B)
----.github()
--------ISSUE_TEMPLATE()
--------workflows()
----tests()
--------hmc_test.py(2KB)
--------adaptation_test.py(2KB)
--------distributions()
--------integrators_test.py(3KB)
----LICENSE(11KB)
----mypy.ini(423B)
----CONTRIBUTING.md(4KB)
----mcx()
--------core()
--------trace.py(12KB)
--------sample.py(23KB)
--------predict.py(3KB)
--------diagnostics()
--------__init__.py(755B)
--------model.py(8KB)
--------inference()
--------jax.py(4KB)
--------distributions()
----design_notes()
--------mcx_design.md(8KB)
----setup.py(653B)
----.gitignore(1KB)
----Makefile(204B)
----CODE_OF_CONDUCT.md(3KB)
----README.md(5KB)