如何解决探地雷达和带有pyro-ai的内核
我正在使用pyro.contrib.gp 来训练我的数据,但我遇到了一个奇怪的问题。 假设我们定义了 2 个 GPR 模型如下:
kernel_init = gp.kernels.RBF(input_dim= dimension,variance=torch.tensor(1.),lengthscale=length_scale_init)
gpr_init = gp.models.GPRegression(train_x,train_y,kernel_init,noise=torch.tensor(0.),jitter = jitter)
kernel = gp.kernels.RBF(input_dim= dimension,lengthscale=length_scale_init)
gpr_opt = gp.models.GPRegression(train_x,kernel,jitter = jitter)
然后通过优化内核的长度尺度参数
optimizer = torch.optim.Adam([{‘params’: gpr_opt.kernel.lengthscale_unconstrained}],lr=5e-4)
for i in range(num_steps):
# Zero gradients from prevIoUs iteration
optimizer.zero_grad()
# Calc loss and backprop gradients
loss = loss_function(params)
loss.backward()
# Update step
optimizer.step()
losses.append(loss.item())
最后,您想计算两个模型在某些 test_x 点的值:
with torch.no_grad():
init_value = gpr_init(test_x,full_cov=False,noiseless=True)
opt_value = gpr_opt(test_x,noiseless=True)
奇怪的是,一个值等于 opt_value = init_value
,但每个 gpr 模型都有一个具有不同长度尺度的内核。怎么来的?如果我在最后一步使用 init_value=...
删除 torch.no_grad():
似乎可以工作。
版权声明:本文内容由互联网用户自发贡献,该文观点与技术仅代表作者本人。本站仅提供信息存储空间服务,不拥有所有权,不承担相关法律责任。如发现本站有涉嫌侵权/违法违规的内容, 请发送邮件至 dio@foxmail.com 举报,一经查实,本站将立刻删除。