BUG: constant_data is missing from idata when sampling with nutpie
Nadie ha tomado este issue todavía.
Evaluación
- Dificultad
- 3/5
- Tiempo estimado
- 1-2 días
- Aptitud para principiantes
- 42/100
Línea de trabajo
Comienza con el modelo reproducible proporcionado y compara los grupos idata producidos por nuts_sampler="pymc" y nuts_sampler="nutpie". Investiga cómo se representa pm.ConstantData() durante el muestreo de nutpie; se considera terminado cuando el resultado de nutpie incluye el grupo constant_data esperado que contiene x y y.
Escrito por el modelo de indexación a partir del texto del issue.
Descripción
Describe the issue:
I recently encountered an issue when trying to add constant data to some of my models.
When sampling with nuts_sampler="pymc", idata contains a group denominated as constant_data where x and y from this toy example are stored. Unfortunately, when using nutpie, the constant data is nowhere to be found.
Is this actually a bug or is there something wrong with my definitions? Or are pm.ConstantData() and such perhaps just not supported when using nutpie?
Any help would be much appreciated.
Reproduceable code example:
import numpy as np
import pymc as pm
import pytensor.tensor as pt
x = np.array([1,2,3,4])
y = np.array([100, 190, 310, 405])
with pm.Model() as pmodel:
# add data to the pmodel as ConstantData
pm.ConstantData("x", x)
pm.ConstantData("y", y)
var = pm.Normal("var", 100, 5)
# likelihood
pm.Normal("L", mu=y, sigma=0.1, observed=y)
# posterior
pst = x * var
pst = pm.Deterministic("posterior", pst)
# sampling
idata = pm.sample(nuts_sampler="nutpie", tune=50, draws=50)
print(idata)
Error message:
Output of print(idata):
Inference data with groups:
> posterior
> sample_stats
Warmup iterations saved (warmup_*).
PyMC version information:
PyMC v5.8.1 (pypi)
nutpie v0.9.1 (pypi)
PyTensor v2.16.2 (pypi)
Context for the issue:
No response
- Lenguaje dominante
- Python
- Estrellas
- 214
- Forks
- 30
- Merge medio
- 3 h 50 min
- PR fusionados (30 d)
- 1
Preparar el entorno
Este proyecto no incluye contenedor de desarrollo, Dockerfile ni guía de contribución, así que la configuración corre por tu cuenta: empieza por su README y consulta nuestra guía para la primera contribución para los pasos generales.
Primeros pasos
- Lee el issue completo y luego la guía de contribución del proyecto.
- Comenta en el issue que vas a ocuparte — evita que dos personas hagan lo mismo.
- Haz un fork del repositorio y trabaja en una rama.
- Abre un pull request que haga referencia al número del issue.
Más de pymc-devs/nutpie
-
init_mean passed, but never usedAbierto
Dificultad 2/5 1-3 horas Aptitud para principiantes 72/100
-
Type mismatch in raw logp returnAbierto
Dificultad 1/5 Menos de una hora Aptitud para principiantes 88/100
-
Switch example to cmdstanpyAbierto
Dificultad 1/5 Menos de una hora Aptitud para principiantes 72/100
-
with_data fails with a list on the jax backendPosiblemente ocupada @RaphaelFakhri la tomó hace 17 días. Abierto
Dificultad 2/5 1-3 horas Aptitud para principiantes 35/100
-
normalizing-flows
Dificultad 3/5 1-2 días Aptitud para principiantes 58/100
Todos los issues de pymc-devs/nutpie
Issues similares
-
Dificultad 2/5 1-3 horas Aptitud para principiantes 62/100
Los mantenedores suelen responder en 1 día
-
enhancement
Dificultad 2/5 1-3 horas Aptitud para principiantes 68/100
dgunning/edgartools#2019 ·
Los mantenedores suelen responder en 1 día
-
Dificultad 2/5 1-3 horas Aptitud para principiantes 62/100
topoteretes/cognee#6818 · 1 comentario ·
Los mantenedores suelen responder en 1 día
-
source_verification_agent: no outcome when the publisher confirms a work but its DOI resolves to a different recordPosiblemente ocupada @pinjun99 la tomó hoy. Abierto
Dificultad 2/5 1-3 horas Aptitud para principiantes 68/100
Imbad0202/academic-research-skills#1159 · 1 comentario ·
Los mantenedores suelen responder en 1 día
-
[Bug]: DoubleMLData.from_arrays checks the treatment d with force_all_x_finite instead of force_all_d_finitePosiblemente ocupada @leninworld la tomó hoy. Abierto
Dificultad 1/5 Menos de una hora Aptitud para principiantes 88/100
DoubleML/doubleml-for-py#471 ·
Los mantenedores suelen responder en 1 día