NumPyro中ComposeTransform事件维度计算错误的分析与修复

问题背景

在NumPyro的概率编程框架中，ComposeTransform是一个重要的变换组合工具，它允许用户将多个变换按顺序组合起来形成一个复合变换。然而，最近发现当组合的变换会减少事件维度时，ComposeTransform会产生错误的事件维度计算结果。

问题现象

让我们通过一个具体例子来说明这个问题。考虑使用CorrCholeskyTransform变换及其逆变换：

1. 正向变换（增加维度）：

   • 原始变换：将1维事件转换为2维
   • 组合后：正确保持1维到2维的转换

2. 逆向变换（减少维度）：

   • 原始变换：将2维事件转换为1维
   • 组合后：错误地计算为3维到1维的转换

技术分析

问题的根源在于ComposeTransform类中事件维度计算的实现逻辑。在组合变换时，代码需要正确地累积各个变换的事件维度变化。

当前实现中，当处理减少维度的变换时，维度计算循环的迭代方向存在问题。正确的做法应该是从最后一个变换开始反向遍历，确保维度变化的正确累积。

解决方案

修复方案是调整循环的遍历方向，使用反向切片parts[len(parts) - 2 :: -1]来确保维度计算的正确性。这种修改能够保证：

1. 对于增加维度的变换，保持原有正确行为
2. 对于减少维度的变换，也能正确计算最终的事件维度

影响范围

这个修复影响所有使用ComposeTransform组合减少维度变换的场景，特别是：

• 涉及Cholesky相关变换的模型
• 任何自定义的维度减少变换的组合使用

验证方法

为了验证修复效果，可以添加如下测试用例：

@pytest.mark.parametrize("transform", [
    CorrCholeskyTransform(),  # 正向变换测试
    CorrCholeskyTransform().inv,  # 逆向变换测试
])
def test_compose_domain_codomain(transform):
    composed = ComposeTransform([transform])
    assert transform.domain.event_dim == composed.domain.event_dim
    assert transform.codomain.event_dim == composed.codomain.event_dim

总结

NumPyro中的变换组合功能是构建复杂概率模型的重要基础组件。这次修复确保了维度计算的正确性，特别是在处理维度减少的变换时。对于用户来说，这意味着可以更可靠地组合各种变换，而不必担心潜在的事件维度计算错误。

对于开发者而言，这也提醒我们在实现组合功能时需要特别注意操作顺序对最终结果的影响，特别是在涉及维度变化的场景下。