小李好好学

概率模型编程工具 Pyro（三）条件分布本节所使用的代码已经上传GIthub：https://github.com/l743396657/Pyro_test/tree/master/1 A Simple Example例子说明：假设我们试图计算某物的重量，但我们使用的秤不可靠，每次我们称同一物体时给出的答案略有不同。我们可以尝试通过将噪声测量信息与基于物体的一些先验知识(如密度或物质属性)的猜测相结合，来弥补这种变化。 weight ∣ guess ∼&nb

概率模型编程工具 Pyro（二）基本函数在Pyro中，最基本的功能是我们可以去定义各种各样的分布，同时可以用多个基本分布去构成一些相对复杂的分布。在本节中，我们将介绍Pyro中基本分布的声明。pyro.sample()在Pyro中，使用pyro.sample()来声明或者说定义分布，比如我们需要声明一个均值为a方差为b的正太分布，就可以使用如下代码：x = pyro.sample("my_sample", pyro.distributions.Normal(a, b))print(x)上面代码

概率模型编程工具 Pyro（一）基本介绍Pyro是由Uber基于Pytorch构建的一个实现概率模型的框架，被常用与概率模型与深度神经网络模型的混合编程。其优势在于Pyro基于Numpy实现，加上对Pytorch的支持很友好，可以自动计算概率模型梯度等特性。本文意在介绍Pyro的基本使用方法，默认读者具有一定的概率模型基础。官方网址https://pyro.ai参考文档https://pyro.ai/examples/index.html软件安装由于Pyro是基于PyTorch的，所以在安装