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

用法:
mxnet.ndarray.random.gamma(alpha=1, beta=1, shape=_Null, dtype=_Null, ctx=None, out=None, **kwargs)

参数：

alpha：(float or NDArray, optional) - 伽马分布的形状。应该大于零。
beta：(float or NDArray, optional) - 伽马分布的尺度。应该大于零。默认等于 1。
shape：(int or tuple of ints, optional) - 要绘制的样本数。如果形状是，例如，(m, n)和alpha和beta是标量，输出形状将是(m, n).如果alpha和beta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为每个抽取样本[alpha, beta)一对。
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alpha.context当alpha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 alpha 和 beta 是标量，则输出形状将为 (m, n) 。如果 alpha 和 beta 是具有形状的 NDArray，例如 (x, y) ，则输出将具有形状 (x, y, m, n) ，其中为每个 [alpha, beta) 对绘制 m*n 样本。

返回类型：

ND阵列

从伽马分布中抽取随机样本。

样本根据由alpha(形状)和beta(比例)参数化的伽马分布分布。

例子：

>>> mx.nd.random.gamma(1, 1)
[ 1.93308783]
<NDArray 1 @cpu(0)>
>>> mx.nd.random.gamma(1, 1, shape=(2,))
[ 0.48216391  2.09890771]
<NDArray 2 @cpu(0)>
>>> alpha = mx.nd.array([1,2,3])
>>> beta = mx.nd.array([2,3,4])
>>> mx.nd.random.gamma(alpha, beta, shape=2)
[[  3.24343276   0.94137681]
 [  3.52734375   0.45568955]
 [ 14.26264095  14.0170126 ]]
<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.gamma。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：