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

用法:
mxnet.ndarray.random.normal(loc=0, scale=1, shape=_Null, dtype=_Null, ctx=None, out=None, **kwargs)

参数：

loc：(float or NDArray, optional) - 分布的平均值(中心)。
scale：(float or NDArray, optional) - 分布的标准偏差(分布或宽度)。
shape：(int or tuple of ints, optional) - 要绘制的样本数。如果形状是，例如，(m, n)和loc和scale是标量，输出形状将是(m, n).如果loc和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为每个抽取样本[loc, scale)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loc.context当loc是一个 NDArray。
out：(NDArray, optional) - 将输出存储到现有的 NDArray。

dtype 类型的 NDArray。如果输入 shape 具有形状，例如 (m, n) 和 loc 和 scale 是标量，则输出形状将为 (m, n) 。如果 loc 和 scale 是具有形状的 NDArray，例如 (x, y) ，则输出将具有形状 (x, y, m, n) ，其中为每个 [loc, scale) 对绘制 m*n 样本。

返回类型：

ND阵列

从正态(高斯)分布中抽取随机样本。

样本根据由loc(均值)和scale(标准差)参数化的正态分布分布。

例子：

>>> mx.nd.random.normal(0, 1)
[ 2.21220636]
<NDArray 1 @cpu(0)>
>>> mx.nd.random.normal(0, 1, ctx=mx.gpu(0))
[ 0.29253659]
<NDArray 1 @gpu(0)>
>>> mx.nd.random.normal(-1, 1, shape=(2,))
[-0.2259962  -0.51619542]
<NDArray 2 @cpu(0)>
>>> loc = mx.nd.array([1,2,3])
>>> scale = mx.nd.array([2,3,4])
>>> mx.nd.random.normal(loc, scale, shape=2)
[[ 0.55912292  3.19566321]
 [ 1.91728961  2.47706747]
 [ 2.79666662  5.44254589]]
<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.normal。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：