TFP的JointDistributionCoroutineAutoBatched如何给log_prob传入两组观测数据

你的JointDistributionCoroutineAutoBatched模型参数顺序和yield变量的先后完全对应，你当前模型的变量输出顺序为：

• 潜变量（共6个）：c1 → c2 → s → theta → p → qi
• 观测变量（共2个，按yield先后）：k → a

你只需要把两组观测按顺序追加在潜变量参数的末尾传入log_prob即可，假设你已经有观测数据k_data（对应k的观测）和a_data（对应a的观测），两种常用写法如下：

写法1：显式函数定义 #

def joint_log_prob(*latent_args):
    # latent_args按顺序对应6个潜变量：c1, c2, s, theta, p, qi
    return joint.log_prob(*latent_args, k_data, a_data)

如果担心位置传参出错，也可以用关键字参数绑定观测，不需要严格卡顺序：

def joint_log_prob(*latent_args):
    return joint.log_prob(*latent_args, k=k_data, a=a_data)

写法2：Lambda简写 #

和你之前单观测的逻辑完全一致，只是把原来的单观测元组替换为两个观测的元组：

joint_log_prob = lambda *x: joint.log_prob(x + (k_data, a_data))

内容的提问来源于stack exchange，提问作者sean00002