我试图用pyro语言建立一个高斯HMM模型来推断一个非常简单的马尔可夫序列的参数。但是，我的模型无法推断出参数，并且在训练过程中发生了一些异常。使用相同的序列，hmmlearn成功地推断出了真实的参数。
完整的代码可以在这里访问：
https://colab.research.google.com/drive/1u_4J-dg9Y1CDLwByJ6FL4oMWMFUVnVNd#scrollTo=ZJ4PzdTUBgJi
我的模型是从下面的示例中修改而来的：
https://github.com/pyro-ppl/pyro/blob/dev/examples/hmm.py
我手动创建了一个一阶马尔可夫序列，其中有3个状态，真实均值是[-10，0，10]，σ是[1，2，1]。
这是我的模型

def model(observations, num_state):

    assert not torch._C._get_tracing_state()

    with poutine.mask(mask = True):

        p_transition = pyro.sample("p_transition",
                                   dist.Dirichlet((1 / num_state) * torch.ones(num_state, num_state)).to_event(1))

        p_init = pyro.sample("p_init",
                             dist.Dirichlet((1 / num_state) * torch.ones(num_state)))

    p_mu = pyro.param(name = "p_mu",
                      init_tensor = torch.randn(num_state),
                      constraint = constraints.real)

    p_tau = pyro.param(name = "p_tau",
                       init_tensor = torch.ones(num_state),
                       constraint = constraints.positive)

    current_state = pyro.sample("x_0",
                                dist.Categorical(p_init),
                                infer = {"enumerate" : "parallel"})

    for t in pyro.markov(range(1, len(observations))):

        current_state = pyro.sample("x_{}".format(t),
                                    dist.Categorical(Vindex(p_transition)[current_state, :]),
                                    infer = {"enumerate" : "parallel"})

        pyro.sample("y_{}".format(t),
                    dist.Normal(Vindex(p_mu)[current_state], Vindex(p_tau)[current_state]),
                    obs = observations[t])

我的模型被编译为

device = torch.device("cuda:0")
obs = torch.tensor(obs)
obs = obs.to(device)

torch.set_default_tensor_type("torch.cuda.FloatTensor")

guide = AutoDelta(poutine.block(model, expose_fn = lambda msg : msg["name"].startswith("p_")))

Elbo = Trace_ELBO
elbo = Elbo(max_plate_nesting = 1)

optim = Adam({"lr": 0.001})
svi = SVI(model, guide, optim, elbo)

随着训练的进行，ELBO稳定地减小，如图所示。然而，状态的三个平均值收敛。
我试过将我的模型的for循环放入pyro.plate中，并将pyro.param切换到pyro.sample，反之亦然，但对我的模型没有任何效果。