如何修复 gpflow 中内核长度尺度的某些尺寸？

我有一个 2d 内核，

k = gpflow.kernels.RBF(lengthscales=[24*5,1e-5])
m = gpflow.models.GPR(data=(X,Y), kernel=k, mean_function=None)

我想修复第二维的长度，然后优化另一个。

我可以使用禁用所有长度优化，

gpflow.set_trainable(m.kernel.lengthscales, False) 

但我不能仅将一个维度传递给此方法。

在 GPy 中我们会调用m.kern.lengthscale[1:].fixed()或者其他的东西。

也许我可以使用转换来粗略地实现这一点（例如here），但这相当复杂。

GPflow 使用单个tf.Variable对于每个参数 - 例如内核的lengthscales- TensorFlow 只允许你改变trainable变量作为一个整体的状态。每个维度有一个单独的参数对于任意维度来说并不容易实现，但是您可以轻松地对您想要的内核进行子类化并覆盖lengthscales具有如下属性：

import gpflow
import tensorflow as tf

class MyKernel(gpflow.kernels.SquaredExponential):  # or whichever kernel you want
    @property
    def lengthscales(self) -> tf.Tensor:
        return tf.stack([self.lengthscale_0, self.lengthscale_1])

    @lengthscales.setter
    def lengthscales(self, value):
        self.lengthscale_0 = gpflow.Parameter(value[0], transform=gpflow.utilities.positive())
        self.lengthscale_1 = value[1]  # fixed

然后你可以简单地使用k = MyKernel(lengthscales=[24*5, 1e-5])。 （虽然 1e-5 的长度看起来不正确！但这超出了这个问题的范围。）

这是有效的，因为超类的__init__ (in gpflow.kernels.Stationary) 赋值self.lengthscales = Parameter(lengthscales, transform=positive())，因此在这个自定义类中，它调用属性设置器，该属性设置器又创建两个单独的属性。然后，属性获取器将它们重新拼接在一起，以用于实际需要二维向量的方法。