文摘

高斯过程(GPs)是灵活的模型与最先进的性能在许多有效的应用程序。然而,计算精确的GPs标准推理程序制约问题与不足一万训练点,迫使近似为更大的数据集。在本文中,我们开发一个可伸缩的方法来精确的GPs,利用multi-GPU并行化方法和线性共轭梯度一样,只有通过矩阵乘法访问内核矩阵。通过分区和内核分配矩阵乘法,我们证明一个精确的全科医生可以在超过一百万分3天训练使用8 GPU计算预测均值和方差可以在第二个在测试时使用1 GPU。此外,我们执行首次比较精确的GPs与最先进的可伸缩的近似与10大规模回归数据集⁴−10⁶数据点,表现出显著的性能改进。

作者

杰夫•Pleiss Ke亚历山大•王雅各布·r·加德纳斯蒂芬·批Kilian温伯格,安德鲁·戈登·威尔逊

出版

arXiv

论文全文

“确切的高斯过程在一百万数据点”(PDF)

超级人工智能