当前位置: 首页>>代码示例 >>用法及示例精选 >>正文


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


用法:

mxnet.symbol.random_pdf_exponential(sample=None, lam=None, is_log=_Null, name=None, attr=None, out=None, **kwargs)

参数

  • sample(Symbol) - 来自分布的样本。
  • lam(Symbol) - 分布的 Lambda(速率)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。

返回

结果符号。

返回类型

Symbol

使用参数 lam(速率)计算 index 分布的 sample 的 PDF 值。

lam 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 lam 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 lam 的值参数化。

例子:

random_pdf_exponential(sample=[[1, 2, 3]], lam=[1]) =
    [[0.36787945, 0.13533528, 0.04978707]]

sample = [[1,2,3],
          [1,2,3],
          [1,2,3]]

random_pdf_exponential(sample=sample, lam=[1,0.5,0.25]) =
    [[0.36787945, 0.13533528, 0.04978707],
     [0.30326533, 0.18393973, 0.11156508],
     [0.1947002,  0.15163267, 0.11809164]]

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_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。