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

用法:
mxnet.symbol.op.sample_negative_binomial(k=None, p=None, shape=_Null, dtype=_Null, name=None, attr=None, out=None, **kwargs)

参数：

k：(Symbol) - 不成功实验的限制。
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。
p：(Symbol) - 每个实验中的失败概率。
name：(string, optional.) - 结果符号的名称。

结果符号。

返回类型：

Symbol

使用参数k(故障限制)和p(故障概率)从多个负二项分布同时采样。

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：

k = [ 20, 49 ]
p = [ 0.4 , 0.77 ]

// Draw a single sample for each distribution
sample_negative_binomial(k, p) = [ 15.,  16.]

// Draw a vector containing two samples for each distribution
sample_negative_binomial(k, p, shape=(2)) = [[ 15.,  50.],
                                             [ 16.,  12.]]

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_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。

用法:

参数：

返回：

返回类型：