问题描述
我已经阅读了ArcCosine内核的源代码,似乎由于Cho和Saul(2009)定义了度为d的反余弦内核,因此不允许实现不同的深度级别和深度l使用递归。
我正在将一个gpflow.kernels.ArcCosine(order=0)
之类的天真ArcCosine内核应用于具有200/300维的数据集,这会导致以下错误:
InvalidArgumentError: Input matrix is not invertible.
[[node triangular_solve/MatrixTriangularsolve (defined at /Users/.pyenv/versions/3.7.3/lib/python3.7/site-packages/gpflow/conditionals/util.py:82) ]] [Op:__forward_training_loss_425642]
Errors may have originated from an input operation.
Input Source operations connected to node triangular_solve/MatrixTriangularsolve:
transpose (defined at /Users/.pyenv/versions/3.7.3/lib/python3.7/site-packages/gpflow/conditionals/util.py:57)
broadcastTo (defined at /Users/.pyenv/versions/3.7.3/lib/python3.7/site-packages/gpflow/conditionals/util.py:81)
Function call stack:
training_loss
我想知道内核的单一深度是否会导致我的模型出现问题,因为AutoGP(Krauth和Bonilla,2017年)设法将此内核用于高维数据。
解决方法
暂无找到可以解决该程序问题的有效方法,小编努力寻找整理中!
如果你已经找到好的解决方法,欢迎将解决方案带上本链接一起发送给小编。
小编邮箱:dio#foxmail.com (将#修改为@)