问题标签 [gpflow]

我尝试下载包和python setup.py develop. 但是，这会直接在 anaconda 下安装 GPflow。另外，这不是真正有效的蟒蛇并给出错误

所以我想我应该尝试在库下安装它？以下是其他一些捕获：

我正在尝试安装 GPflow 以下

https://github.com/GPflow/GPflow/blob/master/README.md

我有 Ubuntu 16.04 LTS。

我成功安装了 tensorflow（我运行了一个简单的 python 脚本来测试它并且它有效）。

我从壳里跑

它给了我找不到文件 setup.py 的错误。所以我在本地文件夹中克隆了 GPflow git 存储库，然后从我执行的那个文件夹中

（我需要使用 sudo 获得访问权限）。但我收到以下错误：

关于如何解决这个问题的任何想法？

一个例子如下：目标是优化一个f(x1,..,xN)受约束x1 + .. + xN = 1的函数0 < x_i <= 1。一般来说，我如何使用 tensorflow（具有任意约束）来做到这一点？

我见过允许这样做的ScipyOptimizerInterface 。

在这种特殊情况下，另一种方法是使用nnsoftmax转换来编写x_i = exp(y_i)/sum_i(exp(y_i)), i=1,..,N。y1,..,yN现在不受约束，可以使用 SGD 进行优化，即使用 TensorFlow 没有任何约束。在 GPFlow 中，这相当于与变量关联的变换{y1,..,yN}。

还有其他方法吗？

我的用例是这样的：我有一个函数接受用户选择的内核，然后我将遍历数据集中的每个日期，并使用高斯过程回归来估计使用指定内核的模型。但是，由于我指向的是内核对象，所以我需要在运行下一次迭代之前将其重置为默认值。

我在内核上找到了 read_trainables() 方法，所以一种策略是保存用户提供的设置，但似乎没有任何方法可以设置它们？

干杯，史蒂夫

我对GPR很陌生。如果您对以下问题提供一些建议，我将不胜感激：

我们可以在稀疏高斯过程中使用Matern52内核吗？

选择伪输入 (Z) 的最佳方法是什么？随机抽样是否合理？

我想提一下，当我使用 Matern52 内核时，以下错误会停止优化过程。我的代码：

InvalidArgumentError（参见上面的回溯）：输入矩阵不可逆。[[节点：gradients_25/SGPR-31ceaea6-412/Cholesky_grad/MatrixTriangularSolve = MatrixTriangularSolve[T=DT_DOUBLE, adjoint=false, lower=true, _device="/job:localhost/replica:0/task:0/device:CPU: 0"](SGPR-31ceaea6-412/Cholesky, SGPR-31ceaea6-412/eye_1/MatrixDiag)]

任何帮助将不胜感激，谢谢。

我想将稀疏高斯过程模型（来自 GPflow 库）包含到另一个项目中。问题是我不能一次调用多个输入的预测函数，但我必须按顺序调用它。我检查了 SGPR 类 ( https://github.com/GPflow/GPflow/blob/master/gpflow/models/sgpr.py ) 中的预测函数 predict_F ，发现我可以提前预先计算很多东西。因此，我创建了一个 SGPR 的子类并编写了一个预计算方法，修改了预测函数：

但是当我运行代码时，速度没有区别。我想tensorflow只有在我调用predict_f时才会执行所有表达式，但我不知道如何显式地预先计算一些张量。希望tensorflow大师可以帮助我，在此先感谢！

我正在使用Sklearn和GPflow执行 PCA 分析。我注意到两个库返回的输出不匹配。

请参阅下面的示例代码片段-

下面是输出 -

它仅在主成分数为 1 时匹配。为什么会出现这种行为？

我想计算 GPFlow 中 GP 回归的协方差矩阵的行列式。我猜我可以用这个函数得到协方差矩阵：

这里建议使用此功能：

https://gpflow.readthedocs.io/en/develop/notebooks/regression.html

但是，我不知道如何使用这个函数或它返回什么。我需要知道一个返回整个模型的协方差矩阵的函数，然后我需要知道如何计算它的行​​列式。

经过一番努力，我想出了如何给 predict_f_full_cov 一些我感兴趣的点，如下所示：

这返回了两个数组，其中第一个是我沿 x 轴要求的点的预测函数的平均值。第二个数组有点神秘。我猜这是协方差矩阵。我用这个把它拉出来：

然后我查找了如何计算行列式，如下所示：

然后我计算了它的对数以获得协方差矩阵的熵：

我使用两组不同的数据运行了两次。第一个噪音大，第二个噪音低。奇怪的是，低噪声数据集的熵上升了。我很茫然。

我发现，如果我只是在一个应该是线性的小区域上计算协方差矩阵，那么上下调整噪声不会达到我的预期。此外，如果我将 GP 回归到大量点，则行列式变为 0.0。

这是我正在使用的代码：

我正在使用 gpflow 进行多输出回归。

我的回归目标是一个三维向量（相关的），我设法用完整的协方差矩阵进行了预测。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（我使用的是小批量训练）。在批量训练期间，小批量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相互独立。因此，我想在训练期间在每个批次中实现相关内核，并使用完整的协方差矩阵进行预测。

我有两个问题：

1. 我应该使用哪个内核？我在https://gpflow.readthedocs.io/en/develop/notebooks/multioutput.html#Shared-Independent-MOK-&-Shared-Independent-Features-(SLOW-CODE)中阅读了关于多输出 GP 的教程，谁能进一步解释以下声明？在我的理解中，不同输出维度之间的内核是不相关的，但是，我们仍然可以在预测中得到完整的协方差矩阵（条件）？

所有输出都是不相关的，并且每个输出使用相同的内核。但是，在条件计算期间，我们不假设这种特定的块对角结构。

2. 一个技术问题。当我在 tensorflow 之后使用 gpflow 时，我应该如何设置“功能”。我应该设置一个带有零的numpy matix还是简单地设置为None？似乎在批量训练中，诱导点默认设置为全批量。虽然如何设置特征类型，例如 SharedIndependentMof，我们可以设置大于批量大小的诱导点吗？

谢谢！

我目前正在使用 GPR 实现一个带有 GPflow 的算法。我想在 GPR 训练后保存参数并加载模型进行测试。有人知道命令吗？