gpflow 模型预测说输入应该是一个双张量但是是一个浮点张量

Question

我正在尝试运行 gpflow 教程中的代码： https://gpflow.readthedocs.io/en/stable/notebooks/regression.html 但是，它不起作用。

以下代码：

N = 12
X = np.random.rand(N,1)
Y = np.sin(12*X) + 0.66*np.cos(25*X) + np.random.randn(N,1)*0.1 + 3
plt.plot(X, Y, 'kx', mew=2)

k = gpflow.kernels.Matern52(variance=1.0, lengthscale=1.0)
m = gpflow.models.GPR((X, Y), k, mean_function=None, noise_variance=1.0)
m.likelihood.variance = 0.01

def plot(m):
    xx = np.linspace(-0.2, 1.2, 141)[:,None]
    xx=tf.convert_to_tensor(xx,dtype=tf.float64)
    mean, var = m.predict_y(xx)
    plt.figure(figsize=(12, 6))
    plt.plot(X, Y, 'kx', mew=2)
    plt.plot(xx, mean, 'b', lw=2)
    plt.fill_between(xx[:,0], mean[:,0] - 2*np.sqrt(var[:,0]), mean[:,0] + 2*np.sqrt(var[:,0]), color='blue', alpha=0.2)
    plt.xlim(-0.1, 1.1)
plot(m)

returns 出现以下错误：

InvalidArgumentError: cannot compute AddV2 as input #1(zero-based) was expected to be a double tensor but is a float tensor [Op:AddV2] name: add/

我有windows10，python3.6，tensorflow 2.0，tensorflow概率0.9，并且 gpflow 安装了点安装 -e 。 2020 年 2 月 21 日的命令。

你能帮我解决这个问题吗？我确实将输入转换为双倍，所以我认为可能是 gpflow 更新了代码而不是教程。

Answer 1

您遇到的问题是由于我们在 GPflow 中更新参数值的新方法。而不是做 model.parameter = value 你应该使用 assign:

m.likelihood.variance.assign(0.01)

这可以确保参数的类型没有改变。

在将内核的 lengthscale 设置为 0.25 后，我能够得到以下图。

Answer 2

我在这里问（并回答了自己）同样的问题：GPFlow-2.0 - issue with default_float and likelihood variance

一般来说，如果您尝试使用 gpflow 2.0，我建议您不要使用 readthedocs 上的示例。相反，克隆 github 存储库并使用那里的示例笔记本 - 这些笔记本大多已更新以与 gpflow 2 一起正常工作。

例如，您的回归示例的更新版本可在此处获得：https://github.com/GPflow/GPflow/blob/develop/doc/source/notebooks/basics/regression.pct.py

此版本适用于 gpflow 2。

gpflow 模型预测说输入应该是一个双张量但是是一个浮点张量

gpflow model prediction says input was expected to be a double tensor but is a float tensor

double

gaussian

tensorflow

tensor

gpflow