问题标签 [gpytorch]

我在获取 GPyTorch 回归模型的 SHAP 值时遇到问题。

以下是我正在使用的 GPyTorch 代码：

我尝试了不同的方法从模型中获取 SHAP 值，但都没有成功。我尝试了什么：

第一次尝试：

错误

第二次尝试：

错误：

如果您有任何解决此问题的想法，请告诉我。

我正在尝试与高斯过程分类取得联系并尝试从https://docs.gpytorch.ai/en/stable/examples/01_Exact_GPs/GP_Regression_on_Classification_Labels.html重现该示例

按照他们的代码，我想通过

但是，这似乎不起作用，我得到了错误：

FixedNoiseGaussianLikelihood 等其他可能性也不起作用。

我试图在 Conda 中重新安装 GPyTorch，但没有帮助。 但是导入 ie GaussianLikelihood 没有问题。有人遇到过类似的问题，或者知道如何解决这个错误吗？

编辑：它仅不适用于 Jupyter Notebook。

最好的

我使用高斯过程 (GP) 的后验作为非线性微分方程求解器的输入，为简单起见，它会产生标量输出。我想计算标量输出的方差，为此我正在考虑使用 GP 的 Karhunen-Loève (KL) 展开与系数的 sigma 点相结合。因此，在数学上，我需要计算后验协方差函数的特征函数。关于这是否可以实现的任何想法？

在我的理解中，蛮力方法可以是在足够精细的输入网格处计算训练后的 GP 的后协方差矩阵，然后计算其特征向量。但是，我将不得不回归计算的特征向量以将它们转换为连续函数，该函数可用于微分方程求解器。我想知道是否有更好/更优雅的方式来做到这一点？我为此使用 GPyTorch，但其他工具也可能有用。

我正在使用 Gpytorch 来运行深度高斯过程回归回归模型，并且我正在使用自动 Adam 优化器来优化超参数。

这是我正在使用的合成数据集的创建：

当我运行这一行来找出超参数时，我得到一个错误：只有一个元素张量可以转换为 Python 标量

有人知道我该如何解决这个问题吗？这是我的深度 GP 回归模型的定义：

培训代码：

测试代码：

提前非常感谢。

我正在尝试重新实现本网站中的示例：他们有代码的地方：

他们提到他们为每个特征学习一个 GP，但我希望所有特征都具有相同的高斯。任何人都知道该怎么做？

I am trying to make a Multi-class classifier based on the notebook by changing "likelihoods.BernoulliLikelihood" into "likelihoods.SoftmaxLikelihood".

However, I cannot find the suitable value for parameter num_features. I tried different values but all of them give error. I appreciate it if you guide me on this issue.

Code:

我正在使用 GPyTorch 进行高斯过程回归。我想分析我建立的模型中的一些异常值。为此，我想查看对异常值的输出（目标）值有很大影响的训练数据点。如何找到附近的训练数据点？

我是 pytorch 几何的新手，在运行我的模型时出现此错误：

RuntimeError: mat1 dim 1 必须匹配 mat2 dim 0

运行此代码时发生错误，它发生在z = model.encode(x, train_pos_edge_index)行

我生成模型的类如下：

使用来自 torch_geometric.nn 的 VGAE，我创建模型如下：

变量的维度如下：

模型中层的维数如下：

完整的错误回溯如下：

我是 PyTorch 的新手，有一些nn.Module我想在 GPU 上运行的自定义。我们称它们M_outer为 、M_inner和M_sub。通常，结构如下所示：

我尝试通过以下方式将我的模块放在 gpu 上：

然而，我仍然从嵌入层收到错误，说某些操作在 cpu 上。

我已阅读文档。我已经阅读了像这样有用的讨论帖子和像这样的相关 StackOverflow 帖子。

我无法注册nn.EmbeddingLayervia nn.Parameter。我错过了什么？

我有小时间序列， (t_i, Y_i)_{i<N} （N ~ 20 并且从一个到另一个变化）。现在，我知道对于某些 t_i <0 的行为与 t_i>0 的行为不同，并且从一个系列到另一个系列，切割两个进程时区的索引“i”是不同的。好吧，似乎我可以独立地为时区煮一个内核，但我在徘徊，是否可以粘合两个内核？

如果你给我举个例子，我可以使用 scikit-learn 或 numpyro 或 pytorch。谢谢