У меня есть проект Streamlit для разработки моделей PyMC с использованием его виджетов в браузере. Работает очень хорошо, но в момент запуска семплера между компиляцией моделей и окончанием семплирования может быть большая задержка. Мне бы хотелось, чтобы пользователь получил какое-то указание на то, что процесс работает должным образом, и, если возможно, представление о скорости.
Я пытался связать индикаторы выполнения pymc иstreamlit с обратным вызовом... Однако у меня не получается заставить его работать... Есть ли у кого-нибудь исправление или дополнительный подход к отслеживанию прогресса?
Большое спасибо за любые отзывы.
import streamlit as st
import pymc as pm
from pymc.progress_bar import ProgressBarManager
st.title("PyMC + Nutpie Sampler")
n_draws = 1000
n_tune = 1000
n_chains = 4
if st.button("Run Sampling"):
total_steps = n_draws * n_chains
chain_draws = {i: 0 for i in range(n_chains)}
progress_bar = st.progress(0, text=f"Sampling for {n_chains * n_draws} steps...")
old_update = ProgressBarManager.update
def new_update(self, chain_idx, is_last, draw, tuning, stats):
if not tuning:
chain_draws[chain_idx] += 1
completed = sum(chain_draws.values())
progress = min(completed / total_steps, 1.0)
progress_bar.progress(
progress,
text=f"Sampling... {completed}/{total_steps} steps ({progress * 100:.1f}%)"
)
old_update(self, chain_idx, is_last, draw, tuning, stats)
ProgressBarManager.update = new_update
with pm.Model() as model:
mu = pm.Normal("mu", mu=0, sigma=1)
obs = pm.Normal("obs", mu=mu, sigma=1, observed=[1, 2, 3])
trace = pm.sample(
draws=n_draws,
tune=n_tune,
chains=n_chains,
nuts_sampler="nutpie",
nuts_sampler_kwargs={"backend": "jax", "gradient_backend": "jax"},
)
# Restore original to avoid side effects on reruns
ProgressBarManager.update = old_update
progress_bar.progress(1.0, text="Sampling complete!")
st.success("Sampling complete!")
st.subheader("Posterior Summary")
st.dataframe(pm.stats.summary(trace))
