Python mxnet.symbol.op.random_pdf_gamma用法及代码示例

用法:
mxnet.symbol.op.random_pdf_gamma(sample=None, alpha=None, beta=None, is_log=_Null, name=None, attr=None, out=None, **kwargs)

参数：

sample：(Symbol) - 来自分布的样本。
alpha：(Symbol) - 分布的 Alpha(形状)参数。
is_log：(boolean, optional, default=0) - 如果设置，则计算 log-probability 的密度而不是概率。
beta：(Symbol) - 分布的 Beta(规模)参数。
name：(string, optional.) - 结果符号的名称。

结果符号。

返回类型：

Symbol

计算带有参数alpha(形状)和beta(速率)的伽马分布sample的PDF值。

alpha 和 beta 必须具有相同的形状，必须与 sample 的最左侧子形状匹配。也就是说，sample 可以具有与 alpha 和 beta 相同的形状，在这种情况下，输出包含每个分布的一个密度，或者 sample 可以是具有该形状的张量的张量，在这种情况下，输出是密度的张量，使得输出中索引 i 处的密度由 sample 中索引 i 处的样本给出，该样本由索引 i 处的 alpha 和 beta 的值参数化。

例子：

random_pdf_gamma(sample=[[1,2,3,4,5]], alpha=[5], beta=[1]) =
    [[0.01532831, 0.09022352, 0.16803136, 0.19536681, 0.17546739]]

sample = [[1, 2, 3, 4, 5],
          [2, 3, 4, 5, 6],
          [3, 4, 5, 6, 7]]

random_pdf_gamma(sample=sample, alpha=[5,6,7], beta=[1,1,1]) =
    [[0.01532831, 0.09022352, 0.16803136, 0.19536681, 0.17546739],
     [0.03608941, 0.10081882, 0.15629345, 0.17546739, 0.16062315],
     [0.05040941, 0.10419563, 0.14622283, 0.16062315, 0.14900276]]

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.symbol.op.random_pdf_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：