网站 | 文档（发布版） | 文档（开发版） | 术语表

目录

• GPflow 是做什么的？
• 安装
• 开始使用 GPflow 2.0
• GPflow 社区
  • 获取帮助
  • Slack 工作区
  • 贡献
  • 使用 GPflow 的项目
• 版本兼容性
  • TensorFlow 1.x 和 GPflow 1.x
• 引用 GPflow

GPflow 是做什么的？

GPflow 是一个用于在 Python 中构建高斯过程 (Gaussian process) 模型的包。 它实现了适用于可组合核函数 (kernels) 和似然函数 (likelihoods) 的现代高斯过程推断 (inference)。

GPflow 基于 TensorFlow 2.4+ 和 TensorFlow Probability 运行计算，这使得在 GPU (图形处理器) 上快速执行成为可能。

在线文档（最新发行版）/(开发版) 包含更多详细信息。

维护者

它最初由 James Hensman 和 Alexander G. de G. Matthews 创建。 现在由以下人员积极维护（按字母顺序排列）： Artem Artemev、 Mark van der Wilk、 ST John 以及 Vincent Dutordoir。 没有社区就没有现在的 GPflow。我们要感谢所有为塑造 GPflow 做出贡献的 贡献者。

GPflow 是一个开源项目。如果您具备相关技能并有兴趣参与贡献，请联系我们（见下文“GPflow 社区"部分）。

安装

依赖要求

GPflow 同时依赖于 TensorFlow (TF, 版本 ≥ 2.4) 和 TensorFlow Probability (TFP, 版本 ≥ 0.12)。我们支持 Python ≥ 3.7。

注意： TensorFlow Probability 的发布与 TensorFlow 紧密耦合，例如 TFP 0.14 需要 TF>=2.6，TFP 0.13 需要 TF>=2.5，而 TFP 0.12 需要 TF>=2.4。不幸的是，这一点并未在 TFP 的依赖项中指定。因此，如果您已经安装了（旧版）TensorFlow，GPflow 将拉取最新的 TFP，这可能会导致不兼容。如果您遇到类似 ImportError: This version of TensorFlow Probability requires TensorFlow version >= 2.4 的错误，您必须升级 TensorFlow (pip install -U tensorflow) 或手动安装较旧版本的 tensorflow_probability 包。

来自 PyPI 的最新（稳定）发行版

pip install gpflow

来自 GitHub 的最新（前沿）源码

请注意，develop 分支可能会经常更改，新的提交可能会破坏您的代码。

在 GPflow GitHub 仓库 的 develop 分支检出后，运行

pip install -e .

或者，您可以使用 pip 安装最新的 GitHub develop 版本：

pip install git+https://github.com/GPflow/GPflow.git@develop#egg=gpflow

这将自动安装所有必需的依赖项。

开始使用 GPflow 2.0

有一个 "Intro to GPflow 2.0" Jupyter notebook (Jupyter 笔记本)；请查看它以了解详细信息。 要将您的代码从 GPflow 1 转换过来，请查看 GPflow 2 升级指南。

GPflow 社区

获取帮助

Bug、功能请求、痛点、令人烦恼的设计怪癖等： 请使用 GitHub issues (问题追踪系统) 来标记 bug/问题/痛点，建议新功能，并讨论任何与 GPflow 使用相关的其他内容，这些内容在某种意义上涉及更改 GPflow 代码本身。 您可以使用 标签，例如 bug、discussion、feature、feedback 等。 我们非常欢迎关于可用性的评论或担忧，以及任何设计层面的变更建议。

我们的目标是及时响应问题，但如果您认为我们可能忘记了某个问题，请随时添加另一个评论提醒我们。

“如何使用”类问题： 请使用 Stack Overflow (gpflow 标签) (开发者问答社区) 询问与“如何使用 GPflow"相关的问题，即理解性问题，而不是需要更改 GPflow 代码的问题。（如果您不确定在哪里提问，始终欢迎打开一个 GitHub issue；我们随后可能会要求您将问题移至 Stack Overflow。）

Slack 工作区

我们有一个公共的 GPflow slack 工作区 (即时通讯平台)。如果您想加入，无论是为了提出简短的非正式问题，还是为了参与 GPflow 的讨论和未来开发，请使用此 邀请链接。

贡献

我们非常感谢所有的建设性意见。更多信息，请参阅 贡献者指南。

使用 GPflow 的项目

以下列出了基于 GPflow 构建并展示其用法的项目。以下项目均基于当前的 GPflow 2.x 版本：

项目	描述
Trieste	使用 TensorFlow 进行贝叶斯优化，开箱即用支持 GPflow (2.x) 模型。
VFF	用于高斯过程 (Gaussian Processes) 的变分傅里叶特征 (GPflow 2.x 版本)
BranchedGP	具有分支核的高斯过程。
VBPP	“点过程变分贝叶斯”的实现。
Gaussian Process Regression on Molecules	通过创建自定义定义的 Tanimoto 核来处理 Morgan 指纹，从而预测分子属性的高斯过程 (GPs)

如果您希望您的项目列在这里，请告诉我们——或者直接 提交一个拉取请求，将您的项目添加到上面的表格中！

以下项目基于 GPflow 的旧版本（2020 年之前）；我们鼓励其作者升级到 GPflow 2。

项目	描述
GPflowOpt	使用 GPflow 进行贝叶斯优化（稳定版需要 GPflow 0.5）。
Doubly-Stochastic-DGP	具有双重随机变分推断的深度高斯过程。
widedeepnetworks	测量随机宽深度神经网络与高斯过程 (GPs) 之间的关系。
orth_decoupled_var_gps	具有正交解耦基底的变分稀疏高斯过程 (GPs)
kernel_learning	“高斯过程可微组合核学习”的实现。
DGPs_with_IWVI	具有重要性加权变分推断的深度高斯过程
kerndisc	用于单变量数据自动核结构发现的库
Signature covariances	将 (时间) 序列作为输入的核函数
Structured-DGP	为双重随机深度高斯过程的变分后验添加更多结构

版本兼容性

GPflow 严重依赖 TensorFlow，只要 TensorFlow 支持前向兼容性，GPflow 也应该如此。GPflow 的版本号可为您提供有关向后兼容性的线索。如果主版本号发生了变化，则需要查看发布说明以了解 API 是如何更改的。

不幸的是，GPflow 模型 不存在向后兼容性的概念，这意味着模型实现可以在不改变接口的情况下发生变化。换句话说，对于来自不同版本 GPflow 的相同模型，TensorFlow 计算图可能会有所不同。

TensorFlow 1.x 和 GPflow 1.x

我们已经停止了对基于 TensorFlow 1 的 GPflow 的开发和支持。支持 TensorFlow 1 的最新版本是 v1.5.1。文档 和 教程 仍将可用。

引用 GPflow

要引用 GPflow，请参考 JMLR 论文。以下是示例 BibTeX：

@ARTICLE{GPflow2017,
  author = {Matthews, Alexander G. de G. and {van der Wilk}, Mark and Nickson, Tom and
	Fujii, Keisuke. and {Boukouvalas}, Alexis and {Le{\'o}n-Villagr{\'a}}, Pablo and
	Ghahramani, Zoubin and Hensman, James},
    title = "{{GP}flow: A {G}aussian process library using {T}ensor{F}low}",
  journal = {Journal of Machine Learning Research},
  year    = {2017},
  month = {apr},
  volume  = {18},
  number  = {40},
  pages   = {1-6},
  url     = {http://jmlr.org/papers/v18/16-537.html}
}

自 GPflow 论文发表以来，该软件已通过域间近似和多输出先验框架得到了显著扩展。我们在 arXiv 论文 中回顾了该框架并描述了设计，用户可以进行引用。

@article{GPflow2020multioutput,
  author = {{van der Wilk}, Mark and Dutordoir, Vincent and John, ST and
            Artemev, Artem and Adam, Vincent and Hensman, James},
  title = {A Framework for Interdomain and Multioutput {G}aussian Processes},
  year = {2020},
  journal = {arXiv:2003.01115},
  url = {https://arxiv.org/abs/2003.01115}
}

GPflow 快速上手指南

GPflow 是一个用于构建高斯过程（Gaussian Process）模型的 Python 包。它基于 TensorFlow 和 TensorFlow Probability 实现现代高斯过程推断，支持 GPU 加速计算。

1. 环境准备

在开始之前，请确保您的开发环境满足以下要求：

• Python 版本: ≥ 3.7
• TensorFlow (TF): ≥ 2.4
• TensorFlow Probability (TFP): ≥ 0.12

注意：TensorFlow Probability 的版本与 TensorFlow 紧密耦合（例如 TFP 0.12 需要 TF>=2.4）。如果您已安装旧版 TensorFlow，直接安装 GPflow 可能会因依赖冲突报错。如遇 ImportError，请先升级 TensorFlow (pip install -U tensorflow) 或手动指定兼容的 TFP 版本。

2. 安装步骤

推荐使用国内镜像源以加快下载速度。

安装稳定版（推荐）

pip install -i https://pypi.tuna.tsinghua.edu.cn/simple gpflow

安装最新开发版（Develop Branch）

警告：develop 分支可能频繁变动，新提交可能导致代码不兼容。

pip install git+https://github.com/GPflow/GPflow.git@develop#egg=gpflow

3. 基本使用

GPflow 的核心功能通过 Jupyter Notebook 进行演示。获取完整示例的最佳方式是查阅官方入门教程。

最小化代码示例

import gpflow
import tensorflow as tf

# 参考官方 Notebook 进行模型定义与训练
# 链接：https://gpflow.github.io/GPflow/develop/notebooks/intro_to_gpflow2.html

下一步操作

1. 访问 [Intro to GPflow 2.0 Notebook](https://gpflow.github.io/GPflow/develop/notebooks/intro_to_gpflow2.html) 查看详细代码示例。
2. 如果您是从 GPflow 1.x 迁移，请参考 [升级指南](https://gpflow.github.io/GPflow/develop/notebooks/gpflow2_upgrade_guide.html)。
3. 遇到问题可查阅 在线文档 或在 Stack Overflow 提问。