معرفی شرکت ها
aeppl-0.0.9
تبلیغات ما
مشتریان به طور فزاینده ای آنلاین هستند. تبلیغات می تواند به آنها کمک کند تا کسب و کار شما را پیدا کنند.
مشاهده بیشتر
تبلیغات ما
مشتریان به طور فزاینده ای آنلاین هستند. تبلیغات می تواند به آنها کمک کند تا کسب و کار شما را پیدا کنند.
مشاهده بیشتر
تبلیغات ما
مشتریان به طور فزاینده ای آنلاین هستند. تبلیغات می تواند به آنها کمک کند تا کسب و کار شما را پیدا کنند.
مشاهده بیشتر
تبلیغات ما
مشتریان به طور فزاینده ای آنلاین هستند. تبلیغات می تواند به آنها کمک کند تا کسب و کار شما را پیدا کنند.
مشاهده بیشتر
تبلیغات ما
مشتریان به طور فزاینده ای آنلاین هستند. تبلیغات می تواند به آنها کمک کند تا کسب و کار شما را پیدا کنند.
مشاهده بیشترتوضیحات
PPL tools for Aesara
| ویژگی | مقدار |
|---|---|
| سیستم عامل | OS Independent |
| نام فایل | aeppl-0.0.9 |
| نام | aeppl |
| نسخه کتابخانه | 0.0.9 |
| نگهدارنده | ['Aesara Developers'] |
| ایمیل نگهدارنده | ['aesara-devs@gmail.com'] |
| نویسنده | - |
| ایمیل نویسنده | - |
| آدرس صفحه اصلی | https://github.com/aesara-devs/aeppl |
| آدرس اینترنتی | https://pypi.org/project/aeppl/ |
| مجوز | - |
|Tests Status| |Coverage| |Gitter|
``aeppl`` provides tools for a[e]PPL written in `Aesara <https://github.com/pymc-devs/aesara>`_.
Features
========
- Convert graphs containing Aesara ``RandomVariable``\s into joint
log-probability graphs
- Transforms for ``RandomVariable``\s that map constrained support spaces to
unconstrained spaces (e.g. the extended real numbers), and a rewrite that
automatically applies these transformations throughout a graph
- Tools for traversing and transforming graphs containing ``RandomVariable``\s
- ``RandomVariable``-aware pretty printing and LaTeX output
Examples
========
Using ``aeppl``, one can create a joint log-probability graph from a graph
containing Aesara ``RandomVariable``\s:
.. code-block:: python
import aesara
from aesara import tensor as at
from aeppl import joint_logprob, pprint
# A simple scale mixture model
S_rv = at.random.invgamma(0.5, 0.5)
Y_rv = at.random.normal(0.0, at.sqrt(S_rv))
# Compute the joint log-probability
y = at.scalar("y")
s = at.scalar("s")
logprob = joint_logprob({Y_rv: y, S_rv: s})
Log-probability graphs are standard Aesara graphs, so we can compute
values with them:
.. code-block:: python
logprob_fn = aesara.function([y, s], logprob)
logprob_fn(-0.5, 1.0)
# array(-2.46287705)
Graphs can also be pretty printed:
.. code-block:: python
from aeppl import pprint, latex_pprint
# Print the original graph
print(pprint(Y_rv))
# b ~ invgamma(0.5, 0.5) in R, a ~ N(0.0, sqrt(b)**2) in R
# a
print(latex_pprint(Y_rv))
# \begin{equation}
# \begin{gathered}
# b \sim \operatorname{invgamma}\left(0.5, 0.5\right)\, \in \mathbb{R}
# \\
# a \sim \operatorname{N}\left(0.0, {\sqrt{b}}^{2}\right)\, \in \mathbb{R}
# \end{gathered}
# \\
# a
# \end{equation}
# Simplify the graph so that it's easier to read
from aesara.graph.rewriting.utils import rewrite_graph
from aesara.tensor.rewriting.basic import topo_constant_folding
logprob = rewrite_graph(logprob, custom_rewrite=topo_constant_folding)
print(pprint(logprob))
# s in R, y in R
# (switch(s >= 0.0,
# ((-0.9189385175704956 +
# switch(s == 0, -inf, (-1.5 * log(s)))) - (0.5 / s)),
# -inf) +
# ((-0.9189385332046727 + (-0.5 * ((y / sqrt(s)) ** 2))) - log(sqrt(s))))
Joint log-probabilities can be computed for some terms that are *derived* from
``RandomVariable``\s, as well:
.. code-block:: python
# Create a switching model from a Bernoulli distributed index
Z_rv = at.random.normal([-100, 100], 1.0, name="Z")
I_rv = at.random.bernoulli(0.5, name="I")
M_rv = Z_rv[I_rv]
M_rv.name = "M"
z = at.vector("z")
i = at.lscalar("i")
m = at.scalar("m")
# Compute the joint log-probability for the mixture
logprob = joint_logprob({M_rv: m, Z_rv: z, I_rv: i})
logprob = rewrite_graph(logprob, custom_rewrite=topo_constant_folding)
print(pprint(logprob))
# i in Z, m in R, a in Z
# (switch((0 <= i and i <= 1), -0.6931472, -inf) +
# ((-0.9189385332046727 + (-0.5 * (((m - [-100 100][a]) / [1. 1.][a]) ** 2))) -
# log([1. 1.][a])))
Installation
============
The latest release of ``aeppl`` can be installed from PyPI using ``pip``:
::
pip install aeppl
The current development branch of ``aeppl`` can be installed from GitHub, also using ``pip``:
::
pip install git+https://github.com/aesara-devs/aeppl
.. |Tests Status| image:: https://github.com/aesara-devs/aeppl/actions/workflows/test.yml/badge.svg?branch=main
:target: https://github.com/aesara-devs/aeppl/actions/workflows/test.yml
.. |Coverage| image:: https://codecov.io/gh/aesara-devs/aeppl/branch/main/graph/badge.svg?token=L2i59LsFc0
:target: https://codecov.io/gh/aesara-devs/aeppl
.. |Gitter| image:: https://badges.gitter.im/aesara-devs/aeppl.svg
:alt: Join the chat at https://gitter.im/aesara-devs/aeppl
:target: https://gitter.im/aesara-devs/aeppl?utm_source=badge&utm_medium=badge&utm_campaign=pr-badge&utm_content=badge
نیازمندی
| مقدار | نام |
|---|---|
| >=1.18.1 | numpy |
| >=1.4.0 | scipy |
| >=2.8.5 | aesara |
زبان مورد نیاز
| مقدار | نام |
|---|---|
| >=3.7 | Python |
نحوه نصب
نصب پکیج whl aeppl-0.0.9:
pip install aeppl-0.0.9.whl
نصب پکیج tar.gz aeppl-0.0.9:
pip install aeppl-0.0.9.tar.gz