Python mxnet.symbol.random_pdf_exponential用法及代碼示例

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

參數：

sample：(Symbol) - 來自分布的樣本。
lam：(Symbol) - 分布的 Lambda(速率)參數。
is_log：(boolean, optional, default=0) - 如果設置，則計算 log-probability 的密度而不是概率。
name：(string, optional.) - 結果符號的名稱。

結果符號。

返回類型：

Symbol

使用參數 lam(速率)計算 index 分布的 sample 的 PDF 值。

lam 的形狀必須與 sample 的最左側子形狀匹配。也就是說，sample 可以具有與 lam 相同的形狀，在這種情況下，輸出包含每個分布的一個密度，或者 sample 可以是具有該形狀的張量的張量，在這種情況下，輸出是密度使得輸出中索引 i 處的密度由 sample 中索引 i 處的樣本給出，該樣本由索引 i 處的 lam 的值參數化。

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.random_pdf_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：