tensorflow :: ops :: RandomPoissonV2

مقادیر تصادفی را از توزیع (های) پواسون که با نرخ توصیف می شوند ، صادر می کند.

خلاصه

این عملیات بسته به نرخ از دو الگوریتم استفاده می کند. اگر نرخ> 10 باشد ، از الگوریتم Hormann برای بدست آوردن نمونه ها از طریق رد تحول استفاده می شود. به http://www.sciencedirect.com/science/article/pii/0167668793909974 مراجعه کنید .

در غیر این صورت ، از الگوریتم Knuth برای به دست آوردن نمونه ها از طریق ضرب متغیرهای تصادفی یکسان استفاده می شود. به Donald E. Knuth (1969) مراجعه کنید. الگوریتم های semumumerical. هنر برنامه نویسی رایانه ، جلد 2. آدیسون وسلی

استدلال ها:

• دامنه: یک شی Sc Scope
• شکل: تانسور عدد صحیح 1-D. شکل نمونه های مستقل برای تهیه از هر توزیع توصیف شده توسط پارامترهای شکل داده شده در نرخ.
• rate: تنسوری که در آن هر اسکالر یک پارامتر "نرخ" است که توزیع پواسون مرتبط را توصیف می کند.

ویژگی های اختیاری (به Attrs مراجعه کنید):

• seed: اگر تنظیم شود که seed یا seed2 غیر صفر باشد ، تولید کننده اعداد تصادفی توسط بذر داده شده بذر می شود. در غیر این صورت ، توسط یک بذر تصادفی بذر می شود.
• seed2: دانه دوم برای جلوگیری از برخورد دانه ها.

بازده:

• Output : تنسوری با شکل shape + shape(rate) . هر برش [:, ..., :, i0, i1, ...iN] شامل نمونه های ترسیم شده برای rate[i0, i1, ...iN] .

صفات عمومی

Operation operation

::tensorflow::Output output

 RandomPoissonV2(
  const ::tensorflow::Scope & scope,
  ::tensorflow::Input shape,
  ::tensorflow::Input rate
)

 RandomPoissonV2(
  const ::tensorflow::Scope & scope,
  ::tensorflow::Input shape,
  ::tensorflow::Input rate,
  const RandomPoissonV2::Attrs & attrs
)

::tensorflow::Node * node() const 

 operator::tensorflow::Input() const 

 operator::tensorflow::Output() const 

Attrs Dtype(
  DataType x
)

Attrs Seed(
  int64 x
)

Attrs Seed2(
  int64 x
)