有没有办法从GPflow探地雷达模型中提取权重？

Question

有没有办法从GPflow探地雷达模型中提取权重？

我不一定需要明确的权重。然而，我有两个问题可以用权重来解决：

1. 我想编写并发送一个经过训练的模型给第三方。我不想发送培训数据，也不需要第三方访问培训数据。
2. 我希望能够预测新的平均值而不计算新的差异。目前，predict_f计算均值和方差，但我只使用平均值。如果我不计算方差，我相信我可以大大加快我的预测。

如果我能够在训练后从探地雷达模型中提取权重，我就可以解决这两个问题。然而，如果不需要处理显式权重就可以解决这些任务，那就更好了。

Answer 1

我们还不完全清楚“显式权重”是什么意思，但是如果你指的是alpha = Kxx^{-1} y，其中Kxx是k(x，x')的求值，y是观测目标的向量，那么你可以通过使用后置物体(参见https://github.com/GPflow/GPflow/blob/develop/gpflow/posteriors.py)来得到，这是通过调用posterior = model.posterior()得到的。然后您可以访问posterior.alpha。

然而，对于预测，您仍然需要能够计算Kzx新测试点和训练点之间的协方差，所以您还需要提供训练位置和内核超参数。

这也意味着您不能依靠它来保持培训数据的机密性，因为第三方可以简单地计算Kxx而不是Kzx，然后返回y = Kxx @ alpha。您可以避免使用稀疏近似来共享精确的(x，y)训练集对(这至少会消除“个人可识别性”)。但我还是不会为了隐私而依赖它。

Re2.：后验对象已经提供了更快的预测；如果你只要求full_cov=False (边际方差，缺省值)，那么你最坏的时候是一个因子~3，比预测平均值慢得多(在实践中，我猜测极限值低于1.5倍的速度)。在GPflow 2.3.0中，没有实现GPflow中仅预测平均值的方法。