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:
-
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。 -
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:
-
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。
-
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:
-
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。
-
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:
- 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。
- 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。
- 可以利用新的观测变量灵活性优化模型构建。
- 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。
- QQwen3-Next-80B-A3B-InstructQwen3-Next-80B-A3B-Instruct 是一款支持超长上下文(最高 256K tokens)、具备高效推理与卓越性能的指令微调大模型00
- QQwen3-Next-80B-A3B-ThinkingQwen3-Next-80B-A3B-Thinking 在复杂推理和强化学习任务中超越 30B–32B 同类模型,并在多项基准测试中优于 Gemini-2.5-Flash-Thinking00
GitCode-文心大模型-智源研究院AI应用开发大赛
GitCode&文心大模型&智源研究院强强联合,发起的AI应用开发大赛;总奖池8W,单人最高可得价值3W奖励。快来参加吧~0266cinatra
c++20实现的跨平台、header only、跨平台的高性能http库。C++00AI内容魔方
AI内容专区,汇集全球AI开源项目,集结模块、可组合的内容,致力于分享、交流。02- HHunyuan-MT-7B腾讯混元翻译模型主要支持33种语言间的互译,包括中国五种少数民族语言。00
GOT-OCR-2.0-hf
阶跃星辰StepFun推出的GOT-OCR-2.0-hf是一款强大的多语言OCR开源模型,支持从普通文档到复杂场景的文字识别。它能精准处理表格、图表、数学公式、几何图形甚至乐谱等特殊内容,输出结果可通过第三方工具渲染成多种格式。模型支持1024×1024高分辨率输入,具备多页批量处理、动态分块识别和交互式区域选择等创新功能,用户可通过坐标或颜色指定识别区域。基于Apache 2.0协议开源,提供Hugging Face演示和完整代码,适用于学术研究到工业应用的广泛场景,为OCR领域带来突破性解决方案。00- HHowToCook程序员在家做饭方法指南。Programmer's guide about how to cook at home (Chinese only).Dockerfile06
- PpathwayPathway is an open framework for high-throughput and low-latency real-time data processing.Python00
热门内容推荐
最新内容推荐
项目优选









