- html - 出于某种原因,IE8 对我的 Sass 文件中继承的 html5 CSS 不友好?
- JMeter 在响应断言中使用 span 标签的问题
- html - 在 :hover and :active? 上具有不同效果的 CSS 动画
- html - 相对于居中的 html 内容固定的 CSS 重复背景?
我正在尝试使用 TF2.0 eager 模式执行精确的 GP 回归,基于来自 https://colab.research.google.com/github/tensorflow/probability/blob/master/tensorflow_probability/examples/jupyter_notebooks/Gaussian_Process_Regression_In_TFP.ipynb
amplitude = (
np.finfo(np.float64).tiny +
tf.nn.softplus(tf.Variable(initial_value=1., name='amplitude', dtype=np.float64))
)
length_scale = (
np.finfo(np.float64).tiny +
tf.nn.softplus(tf.Variable(initial_value=1., name='length_scale', dtype=np.float64))
)
observation_noise_variance = (
np.finfo(np.float64).tiny +
tf.nn.softplus(tf.Variable(initial_value=1e-6,
name='observation_noise_variance',
dtype=np.float64))
)
kernel = tfk.ExponentiatedQuadratic(amplitude, length_scale)
gp = tfd.GaussianProcess(
kernel=kernel,
index_points=tf.expand_dims(x, 1),
observation_noise_variance=observation_noise_variance
)
neg_log_likelihood = lambda: -gp.log_prob(y)
optimizer = tf.optimizers.Adam(learning_rate=.01)
num_iters = 1000
lls_ = np.zeros(num_iters, np.float64)
for i in range(num_iters):
lls_[i] = neg_log_likelihood()
optimizer.minimize(neg_log_likelihood, var_list=[amplitude, length_scale, observation_noise_variance])
但是优化失败:
'tensorflow.python.framework.ops.EagerTensor' object has no attribute '_in_graph_mode'
如果我将 amplitude、length_scale 和 observation_noise_variance 分别移动到 tf.Variable,例如:
amplitude = tf.Variable(initial_value=1., name='amplitude', dtype=np.float64)
amplitude_ = (
np.finfo(np.float64).tiny +
tf.nn.softplus(amplitude)
)
优化失败:
ValueError: No gradients provided for any variable: ['amplitude:0', 'length_scale:0', 'observation_noise_variance:0'].
我做错了什么?
最佳答案
目前 eager 模式有一个问题:
https://groups.google.com/a/tensorflow.org/d/msg/tfprobability/IlhL-fcv3yc/jpQc4ogcFwAJ
解决方法是明确使用 GradientTape:
amplitude_ = tf.Variable(initial_value=1., name='amplitude_', dtype=np.float64)
length_scale_ = tf.Variable(initial_value=1., name='length_scale_', dtype=np.float64)
observation_noise_variance_ = tf.Variable(initial_value=1e-6,
name='observation_noise_variance_',
dtype=np.float64)
@tf.function
def neg_log_likelihood():
amplitude = np.finfo(np.float64).tiny + tf.nn.softplus(amplitude_)
length_scale = np.finfo(np.float64).tiny + tf.nn.softplus(length_scale_)
observation_noise_variance = np.finfo(np.float64).tiny + tf.nn.softplus(observation_noise_variance_)
kernel = tfk.ExponentiatedQuadratic(amplitude, length_scale)
gp = tfd.GaussianProcess(
kernel=kernel,
index_points=tf.expand_dims(x, 1),
observation_noise_variance=observation_noise_variance
)
return -gp.log_prob(y)
optimizer = tf.optimizers.Adam(learning_rate=.01)
num_iters = 1000
nlls = np.zeros(num_iters, np.float64)
for i in range(num_iters):
nlls[i] = neg_log_likelihood()
with tf.GradientTape() as tape:
loss = neg_log_likelihood()
grads = tape.gradient(loss, [amplitude_, length_scale_, observation_noise_variance_])
optimizer.apply_gradients(zip(grads, [amplitude_, length_scale_, observation_noise_variance_]))
关于python - 急切模式下的 TFP 精确 GP 回归,我们在Stack Overflow上找到一个类似的问题: https://stackoverflow.com/questions/57493949/
我有一个案例,在大多数情况下,对象之间的关系是这样的,因此在关系上预先配置一个渴望(加入)的负载是有意义的。但是现在我遇到了一种情况,我真的不想完成急切的加载。 我是否应该从关系中删除连接负载并将所有
在我的 Grails 项目中,我有以下类: class A { static hasMany = [cs:C] } class B { static hasMany = [cs:C]
想象一下以下简化的 DI 模型: @ApplicationScoped public class A { private B b; @Inject public A(B b)
我使用 MapLoader 将数据从数据存储初始加载到 Hazelcast (InitialLoadMode = EAGER)。我需要从一个物化 View 中加载这些数据,该 View 是为了在加载过
我使用 Hibernate Envers 4.3.10.Final。我有以下两个 JPA 类: public class Factory { private int factoryID;
EJB 似乎被延迟加载 - 每当访问时。 但是,我想急切地初始化它们 - 即每当容器启动时。这是如何实现的(尤其是在 JBoss 中) This topic给出了一些提示,但不是很令人满意。 最佳答案
我是一名优秀的程序员,十分优秀!