GPFlow2.8.1中如何为RBF(SquaredExponential)核配置ARD设置？

GPFlow 2.8.1的RBF（SquaredExponential）核完全支持ARD（Automatic Relevance Determination）功能，你遇到报错是因为参数写法错误，以下是修正方案和说明：

1. 错误原因 #

你使用了ARD=TRUE，存在两个问题：

• Python的布尔值关键字是True（首字母大写，其余小写），而非TRUE
• GPFlow中RBF核的ARD参数名是小写的ard，不是大写的ARD

2. 正确的ARD启用方式 #

直接在初始化RBF核时传入ard=True即可：

# 启用ARD功能，为每个输入维度单独学习长度尺度
kernel = gpflow.kernels.RBF(ard=True)

3. 维度匹配注意事项 #

开启ARD后，核会为输入数据的每个特征维度生成独立的长度尺度参数，因此需要确保你的输入数据past_query_points的特征维度（即数据的列数）是明确的。比如输入是D维数据，优化后kernel.lengthscales会是一个长度为D的可训练向量。

4. 修正后的完整代码示例 #

kernel = gpflow.kernels.RBF(ard=True)  # 正确启用ARD
gpr = gpflow.models.GPR((past_query_points, past_observations), kernel)
gpflow.set_trainable(gpr.likelihood, True)
gpr.likelihood.variance.assign(1e-5)
model = GaussianProcessRegression(gpr)
print("Before optimize hyperparameters of GPR")
gpflow.utilities.print_summary(gpr)
model.optimize(dataset)
print("After optimize hyperparameters of GPR")
gpflow.utilities.print_summary(gpr)

优化后查看summary，你会看到lengthscales从单一值变成了与输入维度数量一致的向量，这就是ARD生效的标志。

5. 进阶：指定部分维度启用ARD #

如果只需要对特定输入维度启用ARD，可以结合active_dims参数选择目标维度：

# 仅对第0和第2维度启用ARD
kernel = gpflow.kernels.RBF(ard=True, active_dims=[0, 2])

内容的提问来源于stack exchange，提问作者Toshichika Nakayama