Logo
稳定版

Pyro 核心

  • 入门指南
  • 原语
  • 推断
    • SVI
    • ELBO
    • 重要性
    • 重加权唤醒-睡眠
    • 序贯蒙特卡洛
    • Stein 方法
    • 无似然方法
    • 离散推断
    • 预测工具
    • MCMC
    • 自动 Guide 生成
    • 重参数化器
    • 推断工具
  • 分布
  • 参数
  • 神经网络
  • 优化
  • Poutine (效应处理器)
  • 杂项操作
  • 设置
  • 测试工具

贡献代码

  • 自动名称生成
  • 贝叶斯神经网络
  • 因果效应 VAE
  • 简易自定义 Guides
  • 流行病学
  • Pyro 示例
  • 预测
  • 基于 Funsor 的 Pyro
  • 高斯过程
  • Minipyro
  • 使用 MuE 的生物序列模型
  • 最优实验设计
  • 随机变量
  • 时间序列
  • 跟踪
  • Pyro 中的 Zuko
Pyro
  • »
  • 推断
  • 在 GitHub 上编辑

推断¶

在概率建模的背景下,学习通常被称为推断。特别是在贝叶斯推断中,这通常涉及计算(近似)后验分布。对于参数化模型,这通常涉及某种形式的优化。Pyro 支持多种推断算法,其中对随机变分推断(SVI)的支持最为广泛。请在此处查看未来版本 Pyro 中的更多推断算法。

请参阅入门教程,了解 Pyro 中推断的讨论。

目录

  • SVI
  • ELBO
  • 重要性
  • 重加权唤醒-睡眠
  • 序贯蒙特卡洛
  • Stein 方法
  • 无似然方法
  • 离散推断
  • 预测工具
  • MCMC
    • MCMC
    • StreamingMCMC
    • MCMCKernel
    • HMC
    • NUTS
    • RandomWalkKernel
    • BlockMassMatrix
    • 工具
  • 自动 Guide 生成
    • AutoGuide
    • AutoGuideList
    • AutoCallable
    • AutoNormal
    • AutoDelta
    • AutoContinuous
    • AutoMultivariateNormal
    • AutoDiagonalNormal
    • AutoLowRankMultivariateNormal
    • AutoNormalizingFlow
    • AutoIAFNormal
    • AutoLaplaceApproximation
    • AutoDiscreteParallel
    • AutoStructured
    • AutoGaussian
    • AutoMessenger
    • AutoNormalMessenger
    • AutoHierarchicalNormalMessenger
    • AutoRegressiveMessenger
    • 初始化
  • 重参数化器
    • 自动策略
    • 共轭更新
    • 位置-尺度去中心化
    • Gumbel-Softmax
    • 变换分布
    • 离散余弦变换
    • 哈尔变换
    • 单位雅可比变换
    • 学生 T 分布
    • 稳定分布
    • 投影正态分布
    • 隐马尔可夫模型
    • Site 分裂
    • 神经传输
    • 结构化预处理
  • 推断工具
    • 模型检查
    • 交互式先验调整
上一页 下一页

© 版权所有 2017-2018, Uber Technologies, Inc. 版本 64e71eee.

使用 Sphinx 构建,采用由 Read the Docs 提供的 主题。