Python mxnet.ndarray.random.exponential用法及代码示例

用法:
mxnet.ndarray.random.exponential(scale=1, shape=_Null, dtype=_Null, ctx=None, out=None, **kwargs)

参数：

scale：(float or NDArray, optional) - 比例参数，beta = 1/lambda。
shape：(int or tuple of ints, optional) - 要绘制的样本数。如果形状是，例如，(m, n)和scale是一个标量，输出形状将是(m, n).如果scale是具有形状的 NDArray，例如，(x, y)，则输出将具有形状(x, y, m, n)，其中m*n为每个条目抽取样本scale.
dtype：({'float16', 'float32', 'float64'}, optional) - 输出样本的数据类型。默认为‘float32’
ctx：(mxnet.context.Context, optional) - 输出的设备上下文。默认为当前上下文。被覆盖scale.context当scale是一个 NDArray。
out：(NDArray, optional) - 将输出存储到现有的 NDArray。

如果输入 shape 具有形状，例如 (m, n) 和 scale 是标量，则输出形状将为 (m, n) 。如果 scale 是具有形状的 NDArray，例如 (x, y) ，则 output 将具有形状 (x, y, m, n) ，其中为每个条目按比例绘制 m*n 样本。

返回类型：

ND阵列

从 index 分布中抽取样本。

其概率密度函数为

\[f(x; \frac{1}{\beta}) = \frac{1}{\beta} \exp(-\frac{x}{\beta}),\]

对于 x > 0 和 0 其他地方。 beta 是尺度参数，它是速率参数 lambda = 1/beta 的倒数。

例子：

>>> mx.nd.random.exponential(1)
[ 0.79587454]
<NDArray 1 @cpu(0)>
>>> mx.nd.random.exponential(1, shape=(2,))
[ 0.89856035  1.25593066]
<NDArray 2 @cpu(0)>
>>> scale = mx.nd.array([1,2,3])
>>> mx.nd.random.exponential(scale, shape=2)
[[  0.41063145   0.42140478]
 [  2.59407091  10.12439728]
 [  2.42544937   1.14260709]]
<NDArray 3x2 @cpu(0)>

相关用法

注：本文由纯净天空筛选整理自apache.org大神的英文原创作品 mxnet.ndarray.random.exponential。非经特殊声明，原始代码版权归原作者所有，本译文未经允许或授权，请勿转载或复制。

用法:

参数：

返回：

返回类型：

例子：