pymc3报initvals未使用ValueError错误解决方案

这个错误是PyMC3版本API不匹配导致的，和系统、C++编译器、Theano版本无关。
Automated Recommendation Tool（ART）的源码是基于PyMC3 3.8及更早版本编写的，在PyMC3 3.9及之后的版本中，pm.sample()的参数规则做了调整：旧版本用于传入采样初始值的initvals参数被改名为start，且参数不再透传给步方法初始化逻辑。你当前安装的是PyMC3 3.11.4，代码里传的initvals会被当成未识别的步方法参数，直接抛出ValueError。

二选一即可，优先选第一个方案，改动最小、不会引发依赖冲突。

方案1：修改ART源码适配新版PyMC3（推荐） #

找到本地ART安装目录下的art/core.py文件，定位到1428行附近的pm.sample()调用块，做一处参数名修改即可：

• 将传入的initvals=initvals修改为start=initvals

修改后的对应代码段如下：

step = pm.NUTS()
self.trace[j] = pm.sample(
    const.n_iterations,
    step=step,
    start=initvals,
    progressbar=progressbar,
    tune=const.tune_steps,
    cores=cores,
    return_inferencedata=False,
)

保存修改后重新运行代码即可解决该报错。
补充：如果后续运行碰到其他参数类报错，都是同一类版本适配问题，对照PyMC3 3.11.4的API说明替换对应参数名即可，不存在底层逻辑冲突。

方案2：降级PyMC3到ART适配版本 #

如果不想修改源码，可以直接将PyMC3降级到3.8版本，和ART原生适配：

# pip环境执行
pip install pymc3==3.8

# conda环境执行
# conda install pymc3=3.8

降级完成后无需改任何代码，直接运行即可。该方案的缺点是老版本PyMC3可能和当前环境的其他依赖产生版本冲突，稳定性不如方案1。

如果修复参数问题后，多核心采样出现进程卡死、随机数种子异常的问题，可以把pm.sample()里的cores参数暂时设为1，单核心跑通后再尝试调大核心数，这是Linux环境下PyMC3多进程fork和新版Theano的已知兼容问题。

内容的提问来源于stack exchange，提问作者vaibhav mohite