Python mxnet.ndarray.sample_gamma用法及代码示例

用法:
mxnet.ndarray.sample_gamma(alpha=None, beta=None, shape=_Null, dtype=_Null, out=None, name=None, **kwargs)

参数：

alpha：(NDArray) - 分布的 Alpha(形状)参数。
shape：(Shape(tuple), optional, default=[]) - 要从每个随机分布中采样的形状。
dtype：({'None', 'float16', 'float32', 'float64'},optional, default='None') - 输出的 DType，以防无法推断。如果未定义(dtype=None)，则默认为 float32。
beta：(NDArray) - 分布的 Beta(规模)参数。
out：(NDArray, optional) - 输出 NDArray 来保存结果。

out：- 此函数的输出。

返回类型：

NDArray 或 NDArray 列表

使用参数alpha(形状)和beta(比例)从多个伽马分布中同时采样。

分布的参数作为输入数组提供。 [s] 是输入数组的形状，n 是 [s] 的维度，[t] 是指定为运算符参数的形状，m 是 [t] 的维度。然后输出将是一个 (n+m) 形状为 [s]x[t] 的维数组。

对于任何有效的 n 维索引 i 相对于输入数组，output[i] 将是一个 m 维数组，它包含从分布中随机抽取的样本，该分布由索引处的输入值参数化 i 。如果未设置算子的形状参数，则每个分布将抽取一个样本，并且输出数组的形状与输入数组的形状相同。

例子：

alpha = [ 0.0, 2.5 ]
beta = [ 1.0, 0.7 ]

// Draw a single sample for each distribution
sample_gamma(alpha, beta) = [ 0.        ,  2.25797319]

// Draw a vector containing two samples for each distribution
sample_gamma(alpha, beta, shape=(2)) = [[ 0.        ,  0.        ],
                                        [ 2.25797319,  1.70734084]]

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.sample_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：