探地雷达和带有pyro-ai的内核

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。