文档反馈

问题文档片段

问题文档片段包含公式时，显示为空格。

提交类型

issue

有点复杂...

找人问问吧。

PR

小问题，全程线上修改...

一键搞定！

请选择提交类型

问题类型

规范和低错类

- 规范和低错类：

- 错别字或拼写错误，标点符号使用错误、公式错误或显示异常。

- 链接错误、空单元格、格式错误。

- 英文中包含中文字符。

- 界面和描述不一致，但不影响操作。

- 表述不通顺，但不影响理解。

- 版本号不匹配：如软件包名称、界面版本号。

易用性

- 易用性：

- 关键步骤错误或缺失，无法指导用户完成任务。

- 缺少主要功能描述、关键词解释、必要前提条件、注意事项等。

- 描述内容存在歧义指代不明、上下文矛盾。

- 逻辑不清晰，该分类、分项、分步骤的没有给出。

正确性

- 正确性：

- 技术原理、功能、支持平台、参数类型、异常报错等描述和软件实现不一致。

- 原理图、架构图等存在错误。

- 命令、命令参数等错误。

- 代码片段错误。

- 命令无法完成对应功能。

- 界面错误，无法指导操作。

- 代码样例运行报错、运行结果不符。

风险提示

- 风险提示：

- 对重要数据或系统存在风险的操作，缺少安全提示。

内容合规

- 内容合规：

- 违反法律法规，涉及政治、领土主权等敏感词。

- 内容侵权。

请选择问题类型

问题描述

点击输入详细问题描述，以帮助我们快速定位问题。

提交

文档反馈

mindspore.ops.Gamma

class mindspore.ops.Gamma(seed=0, seed2=0)

根据概率密度函数分布生成随机正值浮点数x。函数定义如下：

$$\text{P}(x|\alpha ,\beta )=\frac{\exp (-x/\beta )}{{\beta }^{\alpha }\cdot \mathrm{\Gamma }(\alpha )}\cdot x^{\alpha -1}$$

说明

• 随机种子：通过一些复杂的数学算法，可以得到一组有规律的随机数，而随机种子就是这个随机数的初始值。随机种子相同，得到的随机数就不会改变。

• 全局随机种子和算子层随机种子均未设置或均为0时：生成完全随机数。

• 全局随机种子已设置，但算子层随机种子未设置时：将全局随机种子与0进行拼接。

• 全局随机种子未设置，但算子层随机种子已设置时：将0与算子层随机种子进行拼接。

• 全局随机种子和算子层随机种子均已设置时：将全局随机种子与算子层随机种子进行拼接。

警告

Ascend后端不支持随机数重现功能， seed 和 seed2 参数不起作用。

参数：

• seed (int，可选) - 算子层的随机种子，用于生成随机数。必须是非负的。默认值： 0 。

• seed2 (int，可选) - 全局的随机种子，和算子层的随机种子共同决定最终生成的随机数。必须是非负的。默认值： 0 。

输入：

• shape (tuple) - 待生成的随机Tensor的shape。只支持常量值。

• alpha (Tensor) - α为Gamma分布的shape parameter，主要决定了曲线的形状。其值必须大于0。数据类型为float32。

• beta (Tensor) - β为Gamma分布的inverse scale parameter，主要决定了曲线有多陡。其值必须大于0。数据类型为float32。

输出：

Tensor。shape是输入 shape， alpha， beta 广播后的shape。数据类型为float32。

异常：

• TypeError - seed 或 seed2 的数据类型不是int。

• TypeError - alpha 或 beta 不是Tensor。

• TypeError - alpha 或 beta 的数据类型不是float32。

• ValueError - shape 不是常量值。

支持平台：

Ascend

样例：

>>> import numpy as np
>>> from mindspore import Tensor, ops
>>> from mindspore import dtype as mstype
>>> shape = (3, 1, 2)
>>> alpha = Tensor(np.array([[3, 4], [5, 6]]), mstype.float32)
>>> beta = Tensor(np.array([1.0]), mstype.float32)
>>> gamma = ops.Gamma(seed=3)
>>> output = gamma(shape, alpha, beta)
>>> result = output.shape
>>> print(result)
(3, 2, 2)