Python mxnet.symbol.random_pdf_dirichlet用法及代码示例

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

参数：

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

结果符号。

返回类型：

Symbol

使用参数 alpha 计算狄利克雷分布的 sample 的 PDF 值。

alpha 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 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 的值参数化。

例子：

random_pdf_dirichlet(sample=[[1,2],[2,3],[3,4]], alpha=[2.5, 2.5]) =
    [38.413498, 199.60245, 564.56085]

sample = [[[1, 2, 3], [10, 20, 30], [100, 200, 300]],
          [[0.1, 0.2, 0.3], [0.01, 0.02, 0.03], [0.001, 0.002, 0.003]]]

random_pdf_dirichlet(sample=sample, alpha=[0.1, 0.4, 0.9]) =
    [[2.3257459e-02, 5.8420084e-04, 1.4674458e-05],
     [9.2589635e-01, 3.6860607e+01, 1.4674468e+03]]

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.random_pdf_dirichlet。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：