Pyro vs Pymc？这些概率编程框架有什么区别？

Question

我使用了英国圣公会＆＃39;这是基于Clojure，我认为这对我不利。糟糕的文件和太小的社区找不到帮助。此外，我仍然无法熟悉基于Scheme的语言。所以我想将语言改为基于Python的东西。

也许Pyro或Pymc可能就是这种情况，但我完全不知道这两者。

• 这两个框架有什么区别？
• 他们可以用于同样的问题吗？
• 是否有例子，比较闪耀的是什么？

Answer 1

只想更新2020年以前的答案，因为它们已经两年了，这是Google上的第一个结果。

Pyro建立在PyTorch之上。它具有完整的MCMC，HMC和NUTS支持。它具有出色的文档。

PyMC3建立在Theano之上，后者是一个完全失效的框架。 PyMC4正在Tensorflow之上构建，并且正处于快速开发阶段，试图使其恢复正常运行，但目前仍处于预发布阶段，没有任何文档可用来保存其Github上的“请勿用于任何严重问题”。页。截至目前为止，我不会推荐它。

第三个选项是Tensorflow概率，它在很大程度上基本上归功于PyMC，并具有我们都期望Tensorflow具备的易用性和出色的文档。 （是的，这是个玩笑）。

它们几乎都是同一件事，因此，请尝试所有方法，尝试使用您旁边的那个家伙，或者只是掷硬币。最好的库是您实际用来编写工作代码的库。至于哪种编程更受欢迎，概率编程本身是非常专业的，因此您不会在任何东西上找到很多支持。

Answer 2

来自here

  

Pyro是一种深度概率编程语言，专注于   变分推理，支持可组合推理算法。   Pyro的目标是更具动态性（通过使用PyTorch）和通用   （允许递归）。

     

Pyro拥抱深层神经网络，目前专注于变分推理。 Pyro没有马尔可夫链蒙特卡罗（不像PyMC和Edward）。

Pyro建立在pytorch上，而PyoC3则建立在theano上。所以你得到了PyTorch的动态编程，并且最近宣布Theano在一年后不会maintained。但是，我发现PyMC具有出色的文档和wonderful资源。另一个替代方案是爱德华建立在Tensorflow之上，它比pyro atm更成熟，功能更丰富。爱德华的作者声称它比PyMC3更快 我想这个决定归结为您正在寻找的功能，文档和编程风格。