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

用法:
mxnet.symbol.random_pdf_normal(sample=None, mu=None, sigma=None, is_log=_Null, name=None, attr=None, out=None, **kwargs)

参数：

sample：(Symbol) - 来自分布的样本。
mu：(Symbol) - 分布的平均值。
is_log：(boolean, optional, default=0) - 如果设置，则计算 log-probability 的密度而不是概率。
sigma：(Symbol) - 分布的标准差。
name：(string, optional.) - 结果符号的名称。

结果符号。

返回类型：

Symbol

使用参数 mu(均值)和 sigma(标准差)计算正态分布的 sample 的 PDF 值。

mu 和 sigma 必须具有相同的形状，必须与 sample 的最左侧子形状匹配。也就是说，sample 可以具有与 mu 和 sigma 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，输出是密度的张量，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 mu 和 sigma 的值参数化。

例子：

sample = [[-2, -1, 0, 1, 2]]
random_pdf_normal(sample=sample, mu=[0], sigma=[1]) =
    [[0.05399097, 0.24197073, 0.3989423, 0.24197073, 0.05399097]]

random_pdf_normal(sample=sample*2, mu=[0,0], sigma=[1,2]) =
    [[0.05399097, 0.24197073, 0.3989423,  0.24197073, 0.05399097],
     [0.12098537, 0.17603266, 0.19947115, 0.17603266, 0.12098537]]

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_normal。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：