当前位置: 首页>>代码示例 >>用法及示例精选 >>正文


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)alphabeta是标量,输出形状将是(m, n).如果alphabeta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.contextalpha是一个 NDArray。
  • out(NDArray, optional) - 将输出存储到现有的 NDArray。

返回

如果输入 shape 具有形状,例如 (m, n)alphabeta 是标量,则输出形状将为 (m, n) 。如果 alphabeta 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。