Arccosine内核是否允许不同的深度级别？

如何解决Arccosine内核是否允许不同的深度级别？

我已经阅读了ArcCosine内核的源代码，似乎由于Cho和Saul（2009）定义了度为d的反余弦内核，因此不允许实现不同的深度级别和深度l使用递归。

我正在将一个gpflow.kernels.ArcCosine(order=0)之类的天真ArcCosine内核应用于具有200/300维的数据集，这会导致以下错误：

InvalidArgumentError:  Input matrix is not invertible.
     [[node triangular_solve/MatrixTriangularsolve (defined at /Users/.pyenv/versions/3.7.3/lib/python3.7/site-packages/gpflow/conditionals/util.py:82) ]] [Op:__forward_training_loss_425642]
Errors may have originated from an input operation.
Input Source operations connected to node triangular_solve/MatrixTriangularsolve:
 transpose (defined at /Users/.pyenv/versions/3.7.3/lib/python3.7/site-packages/gpflow/conditionals/util.py:57) 
 broadcastTo (defined at /Users/.pyenv/versions/3.7.3/lib/python3.7/site-packages/gpflow/conditionals/util.py:81)
Function call stack:
training_loss

我想知道内核的单一深度是否会导致我的模型出现问题，因为AutoGP（Krauth和Bonilla，2017年）设法将此内核用于高维数据。