Gen.jl

一个通用的概率编程系统，具有可编程的推理功能，并嵌入在 Julia 语言中。

请访问 https://gen.dev 获取简介、文档和教程。

特性

• 多范式贝叶斯推断，支持序贯蒙特卡洛、变分推断、MCMC 等方法。
• 基于梯度的生成模型训练，支持参数优化、唤醒-睡眠学习 等。
• 一种表达力强且直观的建模语言，用于编写和组合概率程序。
• 推理算法是[可编程的]：您可以编写自定义提议分布、变分族、MCMC 核函数 或SMC 更新规则，而无需担心复杂的数学推导。
• 支持贝叶斯结构学习，通过对合 MCMC 和SMCP³ 实现。
• 提供专用建模构造，通过支持增量计算来加速推断。
• 定义良好的 API，可用于实现自定义生成模型、分布、梯度 等。

安装

Gen 包可以通过 Julia 的包管理器安装。在 Julia REPL 中输入 ] 进入 Pkg 模式，然后运行：

add Gen

若要安装最新的开发版本，可以运行：

add https://github.com/probcomp/Gen.jl.git

现在可以在 Julia REPL 或脚本顶部使用 Gen：

using Gen

要本地测试安装是否成功，可以运行以下命令：

using Pkg; Pkg.test("Gen")

问题与贡献

如果您对使用 Gen.jl 有任何疑问，欢迎在 GitHub 讨论区 提出。如果遇到 bug，请提交 issue。我们也欢迎通过 pull request 提交 bug 修复或功能新增。更多详情请参阅我们的贡献指南。

支持与引用

Gen.jl 是 MIT 概率计算项目 持续研究的一部分。如需联系，请发送邮件至 gen-contact@mit.edu。

如果您在研究中使用了 Gen，请引用我们 2019 年的 PLDI 论文：

Gen：一个具有可编程推理功能的通用概率编程系统。 Cusumano-Towner, M. F.; Saad, F. A.; Lew, A.; and Mansinghka, V. K. 载于第 40 届 ACM SIGPLAN 编程语言设计与实现会议（PLDI ‘19）论文集。(pdf) (bibtex)

Gen.jl 快速上手指南

Gen.jl 是一个嵌入在 Julia 语言中的通用概率编程系统，支持可编程推断。它提供了多种贝叶斯推断方法（如 SMC、MCMC、变分推断）以及基于梯度的生成模型训练功能。

环境准备

• 操作系统：支持 Linux、macOS 和 Windows。
• 前置依赖：需安装 Julia (建议版本 1.6 或更高)。
  • 请访问 Julia 官网 下载并安装对应系统的版本。
  • 安装完成后，在终端输入 julia 确认能否正常进入 REPL 交互界面。
• 网络提示：Gen.jl 通过 Julia 的包管理器从 GitHub 拉取。如果国内网络连接 GitHub 较慢，建议配置全局代理或使用支持加速的网络环境。

安装步骤

1. 打开终端，输入 julia 启动 Julia REPL。

2. 在 REPL 提示符下输入 ] 进入包管理模式（提示符变为 (pkg)>）。

3. 执行以下命令安装稳定版：

   add Gen
   

   若需体验最新开发版功能，可运行：

   add https://github.com/probcomp/Gen.jl.git
   

4. 安装完成后，按 Backspace 键退出包管理模式，回到 julia> 提示符。

5. （可选）验证安装是否成功，运行测试套件：

   using Pkg; Pkg.test("Gen")
   

基本使用

安装成功后，即可在脚本或 REPL 中加载并使用 Gen.jl。以下是最基础的引入示例：

using Gen

加载后，您可以开始定义概率模型或使用内置的推断算法（如 MCMC、SMC 等）。更复杂的建模语法、自定义推断策略及详细教程，请参阅官方文档：https://gen.dev。