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

用法:
mxnet.ndarray.random.gamma(alpha=1, beta=1, shape=_Null, dtype=_Null, ctx=None, out=None, **kwargs)

參數：

alpha：(float or NDArray, optional) - 伽馬分布的形狀。應該大於零。
beta：(float or NDArray, optional) - 伽馬分布的尺度。應該大於零。默認等於 1。
shape：(int or tuple of ints, optional) - 要繪製的樣本數。如果形狀是，例如，(m, n)和alpha和beta是標量，輸出形狀將是(m, n).如果alpha和beta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為每個抽取樣本[alpha, beta)一對。
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alpha.context當alpha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 alpha 和 beta 是標量，則輸出形狀將為 (m, n) 。如果 alpha 和 beta 是具有形狀的 NDArray，例如 (x, y) ，則輸出將具有形狀 (x, y, m, n) ，其中為每個 [alpha, beta) 對繪製 m*n 樣本。

返回類型：

ND陣列

從伽馬分布中抽取隨機樣本。

樣本根據由alpha(形狀)和beta(比例)參數化的伽馬分布分布。

例子：

>>> mx.nd.random.gamma(1, 1)
[ 1.93308783]
<NDArray 1 @cpu(0)>
>>> mx.nd.random.gamma(1, 1, shape=(2,))
[ 0.48216391  2.09890771]
<NDArray 2 @cpu(0)>
>>> alpha = mx.nd.array([1,2,3])
>>> beta = mx.nd.array([2,3,4])
>>> mx.nd.random.gamma(alpha, beta, shape=2)
[[  3.24343276   0.94137681]
 [  3.52734375   0.45568955]
 [ 14.26264095  14.0170126 ]]
<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.gamma。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：