PyMC中`.squeeze()`方法在shape和dims参数下的行为差异分析

在PyMC这个强大的概率编程框架中，张量维度的处理是一个基础但重要的功能。最近在使用PyMC 5.13版本时，发现.squeeze()方法在处理shape参数和dims参数定义的变量时表现出不同的行为，这值得深入探讨。

问题现象

当使用两种不同方式定义具有单一维度的张量时：

# 使用shape参数定义
b1 = pm.Normal("b1", shape=(3, 1)) 

# 使用dims参数定义
b2 = pm.Normal("b2", dims=("group", "x"))

调用.squeeze()方法后，两者的输出形状不同：

b1.squeeze().shape.eval() → [3]
b2.squeeze().shape.eval() → [3 1]

技术背景

.squeeze()方法通常用于移除数组或张量中长度为1的维度。在NumPy和PyTensor中，这是常见的维度压缩操作。然而在PyMC中，当使用dims参数定义变量时，情况变得复杂。

原因分析

这种差异源于PyMC对维度可变性的处理方式：

1. shape参数：明确指定了张量的静态形状，PyMC可以安全地移除长度为1的维度。

2. dims参数：关联了坐标维度，PyMC默认假设这些维度可能会变化（即使当前长度为1），因此不会自动压缩这些维度。

解决方案

如果需要压缩dims定义的变量，有以下几种方法：

1. 显式索引：使用b2[:, 0]替代squeeze()，直接获取所需维度。

2. 指定广播维度：使用PyTensor的specify_broadcastable函数明确标记哪些维度是可广播的：

import pytensor.tensor as pt
pt.specify_broadcastable(b2, 1).squeeze()

3. 注意负索引限制：目前PyTensor的specify_broadcastable不支持负索引，这是一个已知限制。

最佳实践建议

1. 在模型定义时，如果确定某些维度不会变化，优先使用shape参数。

2. 当需要维度压缩时，考虑使用显式索引而非squeeze()，这样意图更明确。

3. 如果必须使用squeeze()，先通过specify_broadcastable明确维度性质。

总结

PyMC 5.13版本对维度处理更加严格，这反映了框架对动态维度的更好支持。开发者需要理解shape和dims参数背后的不同假设，才能正确地进行维度操作。这种差异虽然增加了使用复杂度，但也提供了更精确的维度控制能力。