1回答
我已经在GPflow中构建了一些高斯过程模型，并成功地学习了它们，但我找不到可以帮助我在GPflow中直接进行推断的API，例如在GPR模型中分离不同内核的贡献。我知道我可以手动完成这项工作，比如计算协方差矩阵、求逆和求乘，但随着模型变得更加复杂，这样的工作可能会相当烦人，比如多输出SVGP模型。有什么建议吗？
提前感谢！
浏览 15提问于2020-05-21得票数 0
回答已采纳
在和等GPflow的文献中，在使用随机变分推理技术训练GP模型的参数(长度、方差、诱导输入等)时，使用了TensorFlow中的Adam优化器，而对于变分参数，则使用了自然梯度优化器。run_adam(model, iterations): Utility function running the Adam optimizer
:param model: GPfl
浏览 18提问于2020-05-25得票数 1
回答已采纳
1回答
在GPFlow中，可以将拟合的均值函数添加到GP回归中。当像在基本example中这样做时，结果是不会有由于均值拟合的不确定性而导致的不确定性。例如，在下面的示例中，误差条不会超出可用数据的范围，因为线性平均值的斜率保持在其最佳值不变。有没有一种方法可以解释这些不确定性，以便在外推时误差范围会增长？(这个问题最初是在issue report中陈述的，但为了更容易访
浏览 26提问于2020-03-24得票数 0
回答已采纳
我想在GPFlow中使用AdamOptimizer，但是我不能像link (第26行)中的源代码所指定的那样导入它。我不确定我错过了什么。我尝试过不同的gpflow版本(1.1.1和1.3)。
浏览 33提问于2019-06-25得票数 1
回答已采纳
我正在尝试在GPflow 2中分析我的代码，因为我需要知道我的代码的哪一部分消耗了最多的CPU时间。在GPflow 1中，有一个GPflow‘t文件，您可以在这里设置dump_timeline = True，但是在GPflow 2(到gpflow.config模块)中，这种情况已经改变了，我在那里找不到类似的选项
浏览 7提问于2021-02-22得票数 0
回答已采纳
我意识到GPFlow的Tensorflow 1 -> 2过渡仍在进行中，但我想知道目前在TF2下使用GPFlow的最佳方式是什么。我希望在接下来的几周里用它来教学，并希望在TF2工作。我已经尝试了TF2 RC1，GPflow master，nightlies等的各种组合，任何建议都很感谢。
浏览 2提问于2019-09-22得票数 0
3回答
我想其他许多像我一样的人可能会对如何使用GPFlow来解决他们的特殊问题感兴趣。关键是GPFlow是如何可定制的，一个好的例子会很有帮助。在我的案例中，我阅读并尝试了许多关于提出的问题的评论，但没有取得任何真正的成功。设置内核模型参数并不简单(使用默认值创建，然后通过delete object方法完成)。转换方法模糊不清。如何初始化和设置各向异性核模型的边界(长度-尺度值和边界，方
浏览 0提问于2019-04-01得票数 0
1回答
在GPflow中有没有可能会失败呢？我找到了一个使用Tensorflow的示例，但不知道如何在GPflow上下文中使用它： g = tf.Graph()with g.as_default
浏览 10提问于2019-05-24得票数 0
回答已采纳
在缺少一些输入的情况下，可以使用GPFlow进行多任务学习吗？具体来说，我试图拟合来自几个相关个人的空间数据，但是对于所有个人来说，这些数据并不是在相同的输入位置。我知道我应该在这里做等级化的全科医生，但他们往往不能很好地扩展。我希望可以使用多任务学习，尽管用例并不能准确地映射到这种方法的典型应用程序上。
浏览 1提问于2019-06-03得票数 1
回答已采纳
我使用gpflow进行多输出回归。
我的回归目标是一个三维向量(相关)，我设法用完整的协方差矩阵进行预测。这是我的实现。更具体地说，我在tensorflow之后使用SVGP，其中f_x、Y是张量(我使用的是小型批量培训)。在批量训练中，小型批次中的训练示例是相关的，而我们可以假设它们与训练集中的其他示例独立。因此，在训练和预测过
浏览 0提问于2018-12-28得票数 1
1回答
给定一个有效的内核k_1(x，x')和一个(参数)函数f(x)，它如下所示： k_2(x, x') = f(x) k_1(x, x') f(x'), 也是一个有效的内核。你能告诉我如何在gpflow中实现这个属性吗？ 谢谢
浏览 54提问于2019-03-07得票数 1
我尝试在自己生成的数据上运行notebook中的代码，以证明该模型是否可以进行任何分类。，X中的负值等于Y中的0，X中的正值在Y中归类为1。然后我创建了一个模型并对其进行了训练： Per = gpflow.kernels.Periodic(gpflow.kernels.SquaredExponential())
浏览 19提问于2020-07-04得票数 2
1回答
我有一个2d内核，m = gpflow.models.GPR(data=(X,Y), kernel=k, mean_function=None)gpflow.set_trainable(m.kernel.lengthscales, False)
但我不能只把一维传递给这个方法。在GPy中，我们会叫m.kern.le
浏览 4提问于2020-09-29得票数 1
回答已采纳
在进行GP回归时，在GPflow 2.0中，我想对长尺度设置硬界(即限制长尺度优化范围)。然而，下面的双射链并不能阻止模型在假定的边界之外进行优化。我需要修改什么才能使bounded_lengthscale函数对优化设置严格的限制？以下是MRE：import numpy as np
浏览 2提问于2019-12-27得票数 2
回答已采纳
我使用GPFlow进行多维回归，并希望比较各种内核，从一个空的X和Y集合开始。但是，库似乎需要包含值对的集合。我考虑过用一个远离输入空间的点初始化，但是在优化我的超参数时会包括这个点。谢谢你的帮忙!这是一些初始化我的模型的标准代码：k = gpflow.kernels.RBF(input_dim=1, lengthscales=1, variance=
浏览 0提问于2019-03-29得票数 1
回答已采纳
我们已经训练了一个模型，并希望在几种不同的方法中使用它，每一种方法都会改变它。但是，第一个方法调用将污染后续调用的模型。 理想情况下，我们希望只对模型进行深度复制，然后将副本传递给变异方法。这个是可能的吗？或者有没有更好的选择？
浏览 19提问于2020-01-22得票数 5
回答已采纳
2回答
我也在GPflow GitHub上问过这个问题 我发现通过使用m.likelihood.variance.assign(0.01)和m.kernel.lengthscales.assign(0.3)对超参数的初始猜测对最终优化的超参数有很大影响我想知道是否有一种方法可以得到一个好的初始猜测？例如，使用数据集进行估计。
浏览 16提问于2020-06-28得票数 1
我正在尝试将gpflow (2.0rc)与float64结合使用，并且一直在努力让简单的示例能够正常工作。然而，如果我尝试用这个模型进行预测，我会得到一个错误。zero-based) was expected to be a double tensor but is a float tensor [Op:AddV2] name: add/
调试会话将我带到gpr.py中的以下行所以问题似乎出在我设置似然方差的方式上？下面是演示该问题的完整Py
浏览 0提问于2020-02-04得票数 0
2回答
我正在尝试在2D空间+ 1D时间上运行GP回归，其中有大约8000个观测值和一个具有4个Matern 3/2协方差函数的复合内核--超出了单个内核的处理能力。如果能够将GPR计算分布在多个节点上，而不是求助于变分GP，那就太好了。This github issue解释了如何在GPflow 1.0中执行多线程，但我并不是在寻找一种方法来并行化许多predict_f调用。相反，我想在一个大型数据集上做GPR，这意味着求逆一个超过单个核心可以处理的
浏览 43提问于2020-01-07得票数 0
回答已采纳
我习惯于在GPFlow中进行高斯过程回归，它允许您对后验进行解析求解：from gpflow.kernels import RBF, White, Periodick)m.compile()opt.minimize(m)
我最近搬到了PyMC3，并试图完成上面提到的同样的事情我在文档中发现了这段代
浏览 3提问于2019-01-14得票数 1
回答已采纳
扫码
添加站长 进交流群
领取专属 10元无门槛券
手把手带您无忧上云
相关资讯
热门标签
云服务器
ICP备案
云直播
对象存储
实时音视频活动推荐
腾讯云开发者
