错误：非常量表达式无法从类型'npy_intp'缩小为'int'

Question

我正在尝试运行以下模型，但在编译过程中将失败：

import numpy as np

import pymc3 as pm

def sample_data(G=1, K=2):

    # mean proportion ([0,1]) for each g

    p_g = np.random.beta(2, 2, size=G)

    # concentration around each p_g

    c_g = np.random.lognormal(mean=0.5, sigma=1, size=G)

    # reparameterization for standard Beta(a,b)

    a_g = c_g * p_g / np.sqrt(p_g**2 + (1.-p_g)**2)

    b_g = c_g*(1.-p_g) / np.sqrt(p_g**2 + (1.-p_g)**2)

    # for each p_g, sample K proportions

    p_gk = np.random.beta(a_g[:, np.newaxis], b_g[:, np.newaxis], size=(G, K))

    return p_gk

# Data size

G = 3

K = 5

# obtain a G x K array of proportions p_gk in [0,1]

data = sample_data(G, K) 

with pm.Model() as m:

    # Parameters

    p_g = pm.Beta('p_g', 1., 1., shape=G)

    sd_g = pm.HalfNormal('sd_g', sd=1., shape=G)

    # Observed proportions

    p_gk = pm.Beta('p_gk', mu=p_g, sd=sd_g, shape=(G, K), observed=data)

    trace = pm.sample(2000)

我是PyMC3的新手。运行现有的PyMC3示例时，我看不到这些错误。我怀疑看到这些是因为我使用的是多维格式（即(G,K)），因为我还没有看到其他人使用此格式（我可能是对Stan熟悉）。

通常，我很难理解如何实现具有多个维度的多级模型。

知道是什么原因导致了我所看到的错误吗？

Answer 1

一种解决方法是抑制编译错误：import theanotheano.config.gcc.cxxflags = "-Wno-c++11-narrowing"这些错误对程序正确性的影响程度尚不清楚。当我在CentOS 7上编译时，它们不会出现（即使使用显式地检查它们-Wc++11-narrowing）。在Mac OS X上具有抑制错误的采样结果与在CentOS上没有采样结果是可比的。我还是希望看到一个可以解释根本问题的答案。

Answer 2

是的-您必须对更高尺寸的形状更加明确。该库确实有点“聪明”，但是如果您提供shape参数，它将使用该参数。您的示例在语法上通过设置固定with pm.Model() as m:    # Parameters    p_g = pm.Beta('p_g', 1., 1., shape=(G, 1))    sd_g = pm.HalfNormal('sd_g', sd=1, shape=(G, 1))    # Observed proportions    p_gk = pm.Beta('p_gk', mu=p_g.dot(np.ones((1,K))), sd=sd_g.dot(np.ones((1, K))), shape=(G, K), observed=data)    trace = pm.sample()注意，运行将m.check_test_point()显示p_gk具有0的概率。这是因为sd_g太宽了，PyMC3尝试将其初始化为0.8，这超出了mu, sd参数化beta分布的支持。设置还sd_g = pm.HalfNormal('sd_g', sd=0.1, shape=(G, 1))允许您从模型中采样，尽管这可能不是您想要的！