GPyTorch，如何设置“长尺度”超参数的初始值？

Question

我使用的是GPyTorch回归器，根据文档。

我想为RBF内核中的“长尺度”超参数设置一个初始值。

我想设置一个常量值作为“长尺度”的初始值(类似于我们在scikit中所能做的--学习高斯过程Regressor)。

如果你有什么想法，请告诉我。

Answer 1

你的问题有两个例子：

1. --您希望用一些值初始化您的长比例尺，但是，优化器会对长度进行进一步优化。 假设您的模型与您所链接的文档中提供的模型相同，那么只需在您的培训循环之前添加以下内容： init_lengthscale = 0.1 model.covar_module.base_kernel.lengthscale = init_lengthscale model.covar_module得到你的整个内核，base_kernel得到你的径向基函数内核。
2. --您想要将您的长比例尺修正为一些不会进一步优化的常量值。 除了第一种情况的代码之外，您不将长度作为要优化的超参数提供给优化器。 all_params = set(exactModel.parameters()) final_params = list(all_params -exactModel.parameters优化器= torch.optim.Adam(final_params，lr=0.1) ) 我们从all_params中删除原始的长尺度值集，以创建final_params，然后将其传递给优化器。

提供帮助的一些消息来源：

• https://github.com/cornellius-gp/gpytorch/issues/689
• 使用/超级参数s.html