GPflow 2.0 是否支持将先验放在 GP 的（超）参数上？

【问题标题】：Does GPflow 2.0 support putting priors on (hyper)parameters of GPs?GPflow 2.0 是否支持将先验放在 GP 的（超）参数上？
【发布时间】：2020-06-09 14:07:00
【问题描述】：

我想对 GPflow 中 GP 模型的（超）参数提供一些先验信息，但我找不到任何关于此问题的模块（如 gpflow.priors）或文档。

此外，我注意到prior 是class parameter 的参数之一，还有一个question。

【问题讨论】：

标签： tensorflow2.0 gaussian gpflow

【解决方案1】：

GPflow 2.0 使用 tensorflow_probability 分布对象作为先验，例如

model.kernel.lengthscales.prior = tensorflow_probability.distributions.Gamma(
    gpflow.utilities.to_default_float(1.0), gpflow.utilities.to_default_float(1.0)
)

（或将分发对象作为 gpflow.Parameter 类的 prior 参数传递）。请注意，TensorFlow 默认使用 float32，而对于 GP，我们通常希望使用 float64 - 因此调用to_default_float。

notebook on understanding models 的文档中都提到了这一点，notebook on how to use MCMC with GPflow 对此进行了深入讨论。

【讨论】：