معرفی شرکت ها

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 بیشتر

توضیحات

Sampling with Blackjax on Aesara

ویژگی	مقدار
سیستم عامل	-
نام فایل	aex-0.0.2
نام	aex
نسخه کتابخانه	0.0.2
نگهدارنده	[]
ایمیل نگهدارنده	[]
نویسنده	-
ایمیل نویسنده	Remi Louf <remi@thetypicalset.com>
آدرس صفحه اصلی	-
آدرس اینترنتی	https://pypi.org/project/aex/
مجوز	-

# AeX The following currently works: ``` python import aesara.tensor as at import aex srng = at.random.RandomStream(0) sigma_rv = srng.normal(1.) mu_rv = srng.normal(0, 1) Y_rv = srng.normal(mu_rv, sigma_rv) sampler = aex.prior_sampler(Y_rv, mu_rv) sampler(rng_key, 1_000_000) ``` ## Coming Sampling from the posterior distribution using Blackjax's NUTS sampler: ``` python sampler = aex.mcmc({Y_rv: 1.}, aex.NUTS()) samples, info = sampler(rng_key, 1000, 1000) ``` Sampling from the posterior by arbitrarily combining Blackjax step functions: ``` python sampler = aex.mcmc({Y_rv: 1.}, {[mu_rv, sigma_rv]: aex.NUTS(), Y_rv: aex.RMH()}) samples, info = sampler(rng_key, 1000) ``` Sampling from the posterior predictive distribution: ``` python sampler = aex.posterior_predictive(trace, Y_rv) sampler(rng_key, 1000) ```

نیازمندی

مقدار	نام
-	aesara
-	aeppl
-	jax
-	jaxlib
-	blackjax

زبان مورد نیاز

مقدار	نام
>=3.7	Python

نحوه نصب

نصب پکیج whl aex-0.0.2:

pip install aex-0.0.2.whl

نصب پکیج tar.gz aex-0.0.2:

pip install aex-0.0.2.tar.gz