community post을 기준으로 Edward을 사용하여 Dymichlet Process Mixture Model (DPMM)을 사용하여 클러스터 할당 및 클러스터 매개 변수를 합성 데이터 집합에 유추했습니다. 나는 GPU 가속 메트로폴리스 헤이스팅스를 사용하여 모델 매개 변수에 대한 사후 분포를 학습합니다. 예를 들어, 클러스터 수단, 우리는이 : D
보통 확률 론적 프로그래밍 프레임 워크를위한 문서에서 나는 MCMC에 관해 많은 것을 읽을 수 있지만 프로그래밍에 대해서는별로 읽지 않습니다. 내가 보는 모든 예는 대개 매우 짧고 단순한 확률 프로그램을 가지고 있습니다. 일반적으로 데이터 입력 및 결과 출력을 계산하지 않으면 약 5-10 줄의 코드입니다. 그래서, 그것은 마치 프로그래밍처럼 보이지 않습니다