tf.random.gamma

Генерирует shape выборок из заданного(ых) распределения(ий) Гамма.

Просмотр псевдонимов

Псевдонимы для миграции

См. Руководство по миграции для получения дополнительной информации.

tf.compat.v1.random.gamma, tf.compat.v1.random_gamma

tf.random.gamma(
    shape,
    alpha,
    beta=None,
    dtype=tf.dtypes.float32,
    seed=None,
    name=None
)

alpha — параметр формы, описывающий распределение(я), а beta — параметр обратной шкалы.

Примечание: Поскольку внутренние вычисления выполняются с использованием float64, а преобразование имеет floor семантику, нам необходимо вручную сопоставить нулевые результаты с наименьшим возможным положительным значением с плавающей запятой, т.е. np.finfo(dtype).tiny. Это означает, что np.finfo(dtype).tiny встречается чаще, чем должно быть. Это смещение может произойти только для малых значений alpha, т.е. alpha << 1 или больших значений beta, т.е. beta >> 1.

Выборка дифференцируема по отношению к alpha и beta. Производные вычисляются с использованием подхода, описанного в (Figurnov et al., 2018).

Пример:

samples = tf.random.gamma([10], [0.5, 1.5])
# samples has shape [10, 2], where each slice [:, 0] and [:, 1] represents
# the samples drawn from each distribution

samples = tf.random.gamma([7, 5], [0.5, 1.5])
# samples has shape [7, 5, 2], where each slice [:, :, 0] and [:, :, 1]
# represents the 7x5 samples drawn from each of the two distributions

alpha = tf.constant([[1.],[3.],[5.]])
beta = tf.constant([[3., 4.]])
samples = tf.random.gamma([30], alpha=alpha, beta=beta)
# samples has shape [30, 3, 2], with 30 samples each of 3x2 distributions.

loss = tf.reduce_mean(tf.square(samples))
dloss_dalpha, dloss_dbeta = tf.gradients(loss, [alpha, beta])
# unbiased stochastic derivatives of the loss function
alpha.shape == dloss_dalpha.shape  # True
beta.shape == dloss_dbeta.shape  # True

Аргументы
`shape`	1-мерный целочисленный тензор или массив Python. Форма выходных выборок, которые должны быть отобраны по параметрам alpha/beta распределения.
`alpha`	Тензор или Python-значение или N-мерный массив типа `dtype`. `alpha` предоставляет параметр(ы) формы, описывающий(е) распределение(я) Гамма, из которого нужно отобрать выборку. Должен быть совместим с `beta`.
`beta`	Тензор или Python-значение или N-мерный массив типа `dtype`. По умолчанию 1. `beta` предоставляет параметр(ы) обратной шкалы распределения(ий) Гамма, из которого нужно отобрать выборку. Должен быть совместим с `alpha`.
`dtype`	Тип alpha, beta и выходных данных: `float16`, `float32` или `float64`.
`seed`	Целое число Python. Используется для создания случайного зерна для распределений. См. `tf.random.set_seed` для поведения.
`name`	Необязательное имя операции.

Возвращаемое значение
`samples`	a `Tensor` формы `tf.concat([shape, tf.shape(alpha + beta)], axis=0)` со значениями типа `dtype`.

Ссылки
Неявные градиенты перепараметризации: Figurnov et al., 2018 (pdf)

© 2022 The TensorFlow Authors. All rights reserved.
Licensed under the Creative Commons Attribution License 4.0.
Code samples licensed under the Apache 2.0 License.
https://www.tensorflow.org/api_docs/python/tf/random/gamma