如何将参数从一个 gpflow 模型转移到另一个模型以获得类似的结果？

问题描述

假设我有一个训练有素的模型

m = gpflow.models.SVGP(
     likelihood=likelihood,kernel=kernel,inducing_variable=Z,num_data = len(X_train)
)

是否有可能将其参数转移到另一个模型并获得类似的结果？例如

model = gpflow.models.SVGP(kernel=m.kernel,likelihood=m.likelihood,inducing_variable=m.inducing_variable,num_data=m.num_data)

但是这个例子失败了，因为 model 的结果很差。是不是还有一些其他的参数，应该加在签名里，还是原则上是不可能的？

解决方法

是的，SVGP（以及 VGP）模型预测关键取决于由 model.q_mu 和 model.q_sqrt 参数化的 q(u) 分布。您可以使用

传输所有参数（包括这两个）

params = gpflow.utilities.parameter_dict(model)
gpflow.utilities.multiple_assign(model,params)

（有关更多上下文，请参阅 this notebook）