我想像在()中那样对超参数使用优先级,但是使用SVGP模型。与探地雷达( GPR )或SGPMC相反,这些数据不是模型中的一个参数,而是作为外部参数包括在内的。为了避免这个问题,我稍微修改了SVGP类,使其将数据作为参数(目前我不关心使用小型批处理)。class SVGP_with_data(gpflow.models.SVGP):
"""This model is a tiny var
我正在尝试用softmax似然率训练一个多类分类器,这也是GPflow中的implemented,但我找不到任何关于如何正确使用它的文档或示例。 请在下面找到一个我尝试过的例子。在训练过程中,损失会平稳地减少。上面提到的鲁棒最大值示例使用分类标签,即值0、1、2,但简单地将鲁棒最大值替换为软最大似然会引发IndexError in the quadrature m
,max_iter在sklearn的探地雷达模型中根本不是一个参数。在优化过程中增加最大迭代是有意义的,但是sklearn似乎没有办法做到这一点,这是令人沮丧的,因为他们建议这样做是为了响应这个警告。看看探地雷达,这就是sklearn调用优化器的方式,
def _constrained_optimization(self, o
我需要使用自定义损失函数训练每个时期多个批次的GPR模型。我想用GPflow来做这件事,我想用tf.function来编译我的训练,以提高效率。这是初始设置: import numpy as npimport tensorflow as tfoptimizer = tf.keras.optimizers.SGD(learning_