PyMC v5.21.0版本发布：支持NumPy 2.0与Python 3.13的重要更新

PyMC是一个功能强大的Python概率编程框架，它允许用户构建复杂的概率模型并进行贝叶斯推断。作为开源项目，PyMC持续演进，为统计建模和机器学习社区提供先进的工具。最新发布的v5.21.0版本带来了几项重要更新，特别是对NumPy 2.0和Python 3.13的支持，以及一些关键的功能改进和错误修复。

核心更新：PyTensor升级与兼容性扩展

本次版本最显著的改进是对PyTensor库的升级，这使得PyMC现在能够支持NumPy 2.0和Python 3.13。这一变化对用户代码可能产生以下影响：

1. 变量布尔检查的变化：现在直接使用if variable:（等同于bool(variable)）检查PyMC变量会引发异常。用户应当改用更明确的检查方式，如if variable is not None或其他适合上下文的方式。

2. 未来兼容性保障：这一升级确保了PyMC能够在新版本的Python和NumPy环境中稳定运行，为用户提供了长期的技术保障。

移除废弃功能

v5.21.0版本中移除了已被标记为废弃的生成器数据支持。这一清理工作有助于：

• 简化代码库，减少维护负担
• 提高整体性能
• 鼓励用户使用更现代、更稳定的API

关键错误修复

本次发布包含了几项重要的错误修复：

1. 链式CustomSymbolicDists问题：修复了在使用链式自定义符号分布时可能出现的问题，确保了复杂模型构建的可靠性。

2. JAX logp重用问题：修正了在使用JAX进行采样时，重用logp函数生成初始点可能导致的错误，提高了采样过程的稳定性。

功能改进与优化

除了错误修复，v5.21.0还引入了一些功能改进：

1. 观测变量限制放宽：现在允许对已经观测的变量再次进行观测，这一变化提供了更大的灵活性，特别是在构建复杂模型时。

2. JAX性能优化：在通过JAX进行采样时，现在会重用已经JAX化的logp函数，减少了重复计算，提高了采样效率。

对用户的影响与建议

对于现有PyMC用户，升级到v5.21.0版本时需要注意：

1. 检查代码中是否存在对PyMC变量的布尔检查，并按照新规范进行修改。
2. 如果使用了已被移除的生成器数据功能，需要迁移到替代方案。
3. 可以利用新的观测变量灵活性优化模型构建。
4. 使用JAX后端的用户将体验到性能提升。

总结

PyMC v5.21.0是一个重要的维护版本，它不仅提供了对新版本Python和NumPy的支持，还通过错误修复和功能改进提升了框架的稳定性和可用性。这些变化体现了PyMC项目对长期可持续性和用户体验的承诺，为统计建模和概率编程社区提供了更加强大的工具。