Python mxnet.symbol.op.sample_exponential用法及代碼示例

用法:
mxnet.symbol.op.sample_exponential(lam=None, shape=_Null, dtype=_Null, name=None, attr=None, out=None, **kwargs)

參數：

lam：(Symbol) - 分布的 Lambda(速率)參數。
shape：(Shape(tuple), optional, default=[]) - 要從每個隨機分布中采樣的形狀。
dtype：({'None', 'float16', 'float32', 'float64'},optional, default='None') - 輸出的 DType，以防無法推斷。如果未定義(dtype=None)，則默認為 float32。
name：(string, optional.) - 結果符號的名稱。

結果符號。

返回類型：

從具有參數 lambda(速率)的多個 index 分布中進行並發采樣。

分布的參數作為輸入數組提供。 [s] 是輸入數組的形狀，n 是 [s] 的維度，[t] 是指定為運算符參數的形狀，m 是 [t] 的維度。然後輸出將是一個 (n+m) 形狀為 [s]x[t] 的維數組。

對於任何有效的 n 維索引 i 相對於輸入數組，output[i] 將是一個 m 維數組，其中包含從分布中隨機抽取的樣本，該分布由索引處的輸入值參數化 i 。如果未設置算子的形狀參數，則每個分布將抽取一個樣本，並且輸出數組的形狀與輸入數組的形狀相同。

例子：

lam = [ 1.0, 8.5 ]

// Draw a single sample for each distribution
sample_exponential(lam) = [ 0.51837951,  0.09994757]

// Draw a vector containing two samples for each distribution
sample_exponential(lam, shape=(2)) = [[ 0.51837951,  0.19866663],
                                      [ 0.09994757,  0.50447971]]

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.symbol.op.sample_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：