pymc - Pyro vs Pymc？这些概率编程框架之间有什么区别？

Question

我使用了基于 Clojure 的“Anglican”，我认为这对我不利。糟糕的文档和太小的社区无法找到帮助。此外，我仍然无法熟悉基于 Scheme 的语言。所以我想把语言改成基于 Python 的东西。

也许 Pyro 或 PyMC 可能是这种情况，但我完全不知道这两者。

• 这两个框架有什么区别？
• 它们可以用于相同的问题吗？
• 有没有比较突出的例子？

Answer 1

只想更新 2020 年以前的答案，因为它们现在已经两年了，这个页面是 Google 上的第一个结果。

Pyro 基于 PyTorch 构建。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，这是一个完全死掉的框架。根据 ZAR 对此回复的评论（2021 年编辑），PyMC4 已停产。

第三个选项是 Tensorflow Probability，它在很大程度上基本上包含了 PyMC，并具有我们都期望从 Tensorflow 获得的易用性和出色的文档。（是的，这是个玩笑）。

它们几乎都是一样的，所以尝试一下，试试你旁边的人使用的任何东西，或者只是掷硬币。最好的库是您实际用于编写工作代码的库。至于哪个更流行，概率编程本身是非常专业的，所以你不会在任何东西上找到很多支持。

Answer 2

从这里

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 的目标是更加动态（通过使用 PyTorch）和通用（允许递归）。

Pyro 包含深度神经网络，目前专注于变分推理。Pyro 还没有做马尔可夫链蒙特卡洛（不像 PyMC 和 Edward）。

Pyro 建立在 pytorch 上，而 PyMC3 建立在 theano 上。所以你得到了 PyTorch 的动态编程，最近宣布 Theano一年后将不再维护。然而，我发现 PyMC 有很好的文档和很好的资源。另一种选择是 Edward 建立在 Tensorflow 之上，它比 pyro atm 更成熟、功能更丰富。Edward 的作者声称它比 PyMC3 更快。
我想这个决定归结为你正在寻找的特性、文档和编程风格。