我知道深gp的基本构造块是（变分的）稀疏gp和gplvm。在阅读了相关的论文（见参考文献）并对其有了一定的了解之后，我仍然不确定我是如何理解它的实现（在代码中）的。

• 它的jist意味着它本质上是一堆（稀疏的）gp层？。

我特别困惑的是一层到另一层的转换和模型选择过程。也就是说，我有3层。我的问题是有监督回归，所以我的y输出是一维的（即1列输出）。我的问题是；
层是如何初始化的？既然一个层是一个稀疏的gp，那么所有层都有相同的诱导点吗？
“一个gp的输入是另一个（以前的）gp”（代码实现）是什么意思？
选型是否按顺序进行？
i、 e.优化第1层->从第1层执行预测（x）->将（x，y\u pred\u layer1）馈送到第2层->优化第2层->等等。。4.如果模型选择是按顺序进行的，那么这不就是一个（非常）昂贵的过程吗？。
主要参考文献：
http://proceedings.mlr.press/v31/damianou13a.pdf （dgp主纸）
https://www.researchgate.net/publication/220320048_variational_learning_of_inducing_variables_in_sparse_gaussian_processes （gps如何工作/学习）
https://arxiv.org/abs/1705.08933 （深高斯过程的双随机变分推理，层间学习的新方法？）
http://etheses.whiterose.ac.uk/9968/1/damianou_thesis.pdf （大米诺的论文）
代码参考：我试图远离tensorflow/pytorch实现，因为我想看看引擎盖下到底发生了什么，所以主要的参考是gpy的实现。https://github.com/sheffieldml/pydeepgp 然而调试pydeepgp仍然很困难。

• 注：我曾使用克里格模型，即标准探地雷达（来自工程背景）