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

用法:
mxnet.symbol.op.sample_exponential(lam=None, shape=_Null, dtype=_Null, name=None, attr=None, out=None, **kwargs)

参数：

lam：(Symbol) - 分布的 Lambda(速率)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。
name：(string, optional.) - 结果符号的名称。

结果符号。

返回类型：

从具有参数 lambda(速率)的多个 index 分布中进行并发采样。

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，其中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：

lam = [ 1.0, 8.5 ]

// Draw a single sample for each distribution
sample_exponential(lam) = [ 0.51837951,  0.09994757]

// Draw a vector containing two samples for each distribution
sample_exponential(lam, shape=(2)) = [[ 0.51837951,  0.19866663],
                                      [ 0.09994757,  0.50447971]]

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.sample_exponential。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：