PyMC：切换随机变量观察标志

Question

在我的测试集上，每个数据点的观察变量都不相同。可以在数据点上观察给定变量，而不是在下一个变量上观察。因此，我想在不重建完整PyMC模型的情况下更改这些变量的观察标志。我读到这是不可能的（而且无法做到）。有没有办法做到这一点？

因此我决定为每个测试集数据点重建一个PyMC模型。我在for循环的每次迭代中实例化一个新的PyMC模型。

问题是似乎不删除每个PyMC模型使用的内存。事实是我的网络很大（1000个二项式/ sigmoid节点）并且密集连接。该模型大约需要200MB（只是模型，没有痕迹）。我想知道是否python垃圾收集器无法删除它，因为我网络的PyMC节点之间存在大量循环引用。

你怎么看？你看到了做这种事的正确方法吗？

Answer 1

如果要为每个数据点重建PyMC模型，那么可能您没有使用内置采样器（例如MCMC）。在这种情况下，您可以使用每次迭代时需要设置的节点的set_value()方法，然后调用model.draw_from_prior()以获取其他节点的随机值。

换句话说，您可以使用observed=True创建节点，而不是使用observed=False，然后使用set_value()手动修复该值。