当前位置: 首页>>代码示例 >>用法及示例精选 >>正文

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


用法:

mxnet.symbol.op.sample_generalized_negative_binomial(mu=None, alpha=None, shape=_Null, dtype=_Null, name=None, attr=None, out=None, **kwargs)

参数：

  • mu：(Symbol) - 分布的平均值。
  • 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。
  • alpha：(Symbol) - 分布的 Alpha(分散)参数。
  • 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mu(均值)和alpha(离散度)的多个广义负二项分布中同时采样。

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。

样本将始终作为浮点数据类型返回。

例子：

mu = [ 2.0, 2.5 ]
alpha = [ 1.0, 0.1 ]

// Draw a single sample for each distribution
sample_generalized_negative_binomial(mu, alpha) = [ 0.,  3.]

// Draw a vector containing two samples for each distribution
sample_generalized_negative_binomial(mu, alpha, shape=(2)) = [[ 0.,  3.],
                                                              [ 3.,  1.]]

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_generalized_negative_binomial。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。