pymc-devs/pymc

Compute only dependent logp in step samplers

Open

#7 591 ouverte le 26 nov. 2024

Voir sur GitHub
 (0 commentaires) (0 réactions) (0 assignés)Python (1 902 forks)batch import
enhancementshelp wantedsamplers

Métriques du dépôt

Stars
 (7 926 stars)
Métriques de merge PR
 (Merge moyen 11j 6h) (12 PRs mergées en 30 j)

Description

Description

As discussed in: https://discourse.pymc.io/t/semantik-description-of-kruschke-diagrams-model-to-graphviz/16142/8 we could be making more use of the conditional partition of the logp graph for partial step samplers.

When the proposal depends on a ratio between probabilities (BinaryMetropolois, BinaryGibbsMetropolis, CategoricalGibbsMetropolis, Slice, NUTS), we don't need to compute terms that don't depend on the updated variables.

Step samples that explicitly request delta_logp (Metropolis, DEMetropolis) achieve this implicitly via PyTensor rewrites.

I suggest adding a model.dependent_logp(vars) that helps us get the logp we need (the variables of interest + conditional dependent variables)

Guide contributeur

Direction de recherche
Examinez le calcul actuel de logp dans les échantillonneurs step de PyMC, en particulier comment delta logp est utilisé dans les échantillonneurs Metropolis. Implémentez une fonction d'aide `model.dependent logp(vars)` qui calcule uniquement le logp des variables dépendant de `vars` en utilisant la partition conditionnelle du graphe logp. Testez avec les échantillonneurs BinaryMetropolis et Slice pour garantir l'exactitude. Pour le contexte, reportez vous à la discussion sur discourse à l'adresse https://discourse.pymc.io/t/semantik description of kruschke diagrams model to graphviz/16142/8.
Stack technique
python
Domaine
machine learningperformance
Type d'issue
Fonctionnalité
DifficultéDifficulté estimée pour un nouveau contributeur, de 1 pour un très petit changement à 5 pour un travail expert.
4
Temps estiméFourchette de temps approximative pour investiguer, implémenter, tester et préparer une pull request.
1-2 jours
Statut d'activitéDisponibilité apparente de l'issue : fraîche, active, ancienne, bloquée ou en attente d'un mainteneur.
Récente
ClartéClarté avec laquelle l'issue explique le changement attendu, les critères d'acceptation et la prochaine étape.
Claire
Prérequis
Understanding of PyTensor graphFamiliarity with PyMC step methodsKnowledge of conditional logp
Accessibilité débutantScore de 1 à 100 estimant l'accessibilité de cette issue pour un premier contributeur.
20