GPflow 2.9.0中线性均值函数先验未在监控器显示的问题排查

在GPflow 2.9.0版本的模型中，为线性均值函数的参数设置了先验，但通过监控器查看时，这些先验并未显示。相关代码如下：

import gpflow
import numpy as np
import tensorflow_probability as tfp
import tensorflow as tf


A = gpflow.Parameter(np.zeros(1))
A.prior=tfp.distributions.Normal(loc=1.0, scale=10.0)
b = gpflow.Parameter(np.zeros(1))
b.prior=tfp.distributions.Normal(loc=1.0, scale=10.0)
mf = gpflow.functions.Linear(A,b)

# 仅简化展示均值部分，未写出模型其他组件（核函数、似然等）

问题原因 #

你手动创建的A和b参数，在传入Linear函数后并没有被纳入GPflow模型的参数跟踪体系——Linear内部会将传入的参数包装为自己的内部参数实例，而你给原始A、b设置的先验，绑定的是外部未被模型追踪的参数对象，因此监控器无法识别到这些先验。

解决方法 #

有两种正确的实现方式，确保先验绑定到Linear函数内部被模型跟踪的参数上：

方式一：初始化Linear时直接定义带先验的参数

import gpflow
import numpy as np
import tensorflow_probability as tfp
import tensorflow as tf

mf = gpflow.functions.Linear(
    gpflow.Parameter(np.zeros(1), prior=tfp.distributions.Normal(loc=1.0, scale=10.0)),
    gpflow.Parameter(np.zeros(1), prior=tfp.distributions.Normal(loc=1.0, scale=10.0))
)

方式二：创建Linear后访问内部参数设置先验

import gpflow
import numpy as np
import tensorflow_probability as tfp
import tensorflow as tf

mf = gpflow.functions.Linear(np.zeros(1), np.zeros(1))
# 直接访问Linear的内部参数A和b设置先验
mf.A.prior = tfp.distributions.Normal(loc=1.0, scale=10.0)
mf.b.prior = tfp.distributions.Normal(loc=1.0, scale=10.0)

采用上述任意一种方式后，监控器就能正确识别并显示线性均值函数参数的先验配置。

内容的提问来源于stack exchange，提问作者LePe77it