当前位置: 首页>>代码示例 >>用法及示例精选 >>正文


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。

返回

结果符号。

返回类型

Symbol

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[s] 的维度,[t] 是指定为运算符参数的形状,m[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。