Python mxnet.ndarray.random.exponential用法及代碼示例

用法:
mxnet.ndarray.random.exponential(scale=1, shape=_Null, dtype=_Null, ctx=None, out=None, **kwargs)

參數：

scale：(float or NDArray, optional) - 比例參數，beta = 1/lambda。
shape：(int or tuple of ints, optional) - 要繪製的樣本數。如果形狀是，例如，(m, n)和scale是一個標量，輸出形狀將是(m, n).如果scale是具有形狀的 NDArray，例如，(x, y)，則輸出將具有形狀(x, y, m, n)，其中m*n為每個條目抽取樣本scale.
dtype：({'float16', 'float32', 'float64'}, optional) - 輸出樣本的數據類型。默認為‘float32’
ctx：(mxnet.context.Context, optional) - 輸出的設備上下文。默認為當前上下文。被覆蓋scale.context當scale是一個 NDArray。
out：(NDArray, optional) - 將輸出存儲到現有的 NDArray。

如果輸入 shape 具有形狀，例如 (m, n) 和 scale 是標量，則輸出形狀將為 (m, n) 。如果 scale 是具有形狀的 NDArray，例如 (x, y) ，則 output 將具有形狀 (x, y, m, n) ，其中為每個條目按比例繪製 m*n 樣本。

返回類型：

ND陣列

從 index 分布中抽取樣本。

其概率密度函數為

\[f(x; \frac{1}{\beta}) = \frac{1}{\beta} \exp(-\frac{x}{\beta}),\]

對於 x > 0 和 0 其他地方。 beta 是尺度參數，它是速率參數 lambda = 1/beta 的倒數。

例子：

>>> mx.nd.random.exponential(1)
[ 0.79587454]
<NDArray 1 @cpu(0)>
>>> mx.nd.random.exponential(1, shape=(2,))
[ 0.89856035  1.25593066]
<NDArray 2 @cpu(0)>
>>> scale = mx.nd.array([1,2,3])
>>> mx.nd.random.exponential(scale, shape=2)
[[  0.41063145   0.42140478]
 [  2.59407091  10.12439728]
 [  2.42544937   1.14260709]]
<NDArray 3x2 @cpu(0)>

相關用法

注：本文由純淨天空篩選整理自apache.org大神的英文原創作品 mxnet.ndarray.random.exponential。非經特殊聲明，原始代碼版權歸原作者所有，本譯文未經允許或授權，請勿轉載或複製。

用法:

參數：

返回：

返回類型：

例子：