gpflow - gpflow 的 scaled_euclid_dist 是否与 tensorflow_probabilities 一样稳定?
问题描述
基本上,对于依赖于r
L2 范数的内核,在这里计算并且我们首先看到了该值。在张量流概率中,他们使用sqrt
带有修正梯度的 a ,当 时替换grad(|x - x'|)
为一个大但有限的数字x=x'
。我的问题是它们是否相等,或者是否更好?
解决方案
我已经检查了 GPflow 剪辑版本的渐变x=x'
。结果令人惊讶,因为它为零。我确实期望它具有很高的价值。
简单检查确认tf.sqrt(1e-40)
应该返回的梯度5.e+19
,我不确定剪辑版本是否具有正确的行为。
推荐阅读
- r - 通过多个因素对 geom_bar 频率图进行排序
- r - 将管道输出直接传递给 purrr map 函数
- python - 使用 pip install 的“Scrapy”安装错误
- rest - 根据端点和屏幕名称(客户和销售订单)确定 REST API 的正确 JSON 字段 - Acumatica
- django - 每个任务都无法在 Google Cloud Tasks 上执行
- discord.py - Discord.py 如何在频道中固定消息?
- python - max(count)*fit/max(fit) 是什么意思?“适合”这个词应该表达什么?
- phpmyadmin - 通过导入修改服务器上的 phpmyadmin 数据库?
- json - 我正在尝试获取令牌但无法使用 JSON 提取器提取它
- text - 从文本文件中删除二进制符号