Tipos de Datos
Tipos de datos
En esta sección, se explorará el concepto de tipos de datos en TensorFlow. De manera similar a cómo los lenguajes de programación categorizan los números y el texto en tipos como enteros, flotantes o cadenas, los tensores en TensorFlow también poseen tipos específicos.
Tipos de datos disponibles en TensorFlow
TensorFlow admite una amplia variedad de tipos de datos para adaptarse a diferentes clases de datos y operaciones. Algunos de los tipos más utilizados son:
-
tf.float16,tf.float32,tf.float64: estos son números de punto flotante donde los dígitos después del punto decimal son relevantes. El número en su nombre (como16entf.float16) indica la cantidad de bits utilizados.tf.float32es comúnmente empleado porque ofrece un buen equilibrio entre precisión y velocidad de cálculo; -
tf.int8,tf.int16,tf.int32,tf.int64: estos son tipos enteros, números sin punto decimal. Pueden ser tanto positivos como negativos; -
tf.uint8,tf.uint16,tf.uint32,tf.uint64: la 'u' aquí significa 'unsigned' (sin signo), lo que indica que estos enteros siempre son no negativos; -
tf.bool: representa valores booleanos (TrueoFalse); -
tf.string: para datos de texto.
Para los tipos enteros, un número mayor en el nombre solo indica un rango más amplio de valores que puede almacenar. Pero para los tipos de punto flotante, un número mayor en el nombre también señala una mayor precisión computacional.
Existen más tipos de datos disponibles en TensorFlow, pero para principiantes, es fundamental familiarizarse primero con estos tipos principales. Para obtener una lista completa de los tipos de datos compatibles con TensorFlow, consulte esta página específica en la documentación de TensorFlow.
Definición del tipo de dato al crear un tensor
Al inicializar un tensor, es posible especificar su tipo utilizando el argumento dtype:
123456789101112import tensorflow as tf # Creating a tensor of type `float16` tensor_float = tf.constant([1.2, 2.3, 3.4], dtype=tf.float16) # Creating a tensor of type `int64` tensor_int = tf.constant([1, 2, 3], dtype=tf.int64) # Display tensors print(tensor_float) print('-' * 50) print(tensor_int)
Muchas funciones de creación de tensores adoptan este enfoque. Es aplicable en métodos como tf.Variable(), tf.zeros(), tf.ones(), tf.random.normal(), tf.random.uniform(), e incluso en tf.convert_to_tensor().
Conversión entre tipos de datos
¿Pero qué sucede si la función que está utilizando no permite la especificación directa del tipo de dato? O tal vez ya posee un tensor de cierto tipo y necesita cambiarlo. En estos casos, será necesario transformar tensores de un tipo de dato a otro. Esto es especialmente relevante ya que ciertas operaciones o capas de redes neuronales suelen requerir entradas de un tipo particular, predominantemente números de punto flotante.
Puede utilizar tf.cast() para lograr esto:
123456789101112import tensorflow as tf # Create a tensor tensor_float = tf.constant([-1.2, 2.3, 3.8]) # Convert our `tensor_float` from `float32` to `int32` tensor_int_converted = tf.cast(tensor_float, dtype=tf.int32) # Display a tensor print(tensor_float) print('-' * 50) print(tensor_int_converted)
Recuerde que, al convertir de un tipo de punto flotante a un tipo entero, TensorFlow realizará una operación de piso, eliminando esencialmente la parte decimal. Así, 3.8 se convierte en 3 y -1.2 se convierte en -1.
Tenga precaución al cambiar los tipos de datos, especialmente cuando se cambia a un tipo con menor precisión. Podría perder información en el proceso.
Swipe to start coding
Su tarea es crear un tensor de un tipo de dato específico y luego convertirlo a otro tipo de dato.
- Crear un tensor llamado
initial_tensorde forma(3, 3)con valores distribuidos normalmente. Asegúrese de que este tensor tenga un tipo de dato de valores de punto flotante de 64 bits. - Transformar el
initial_tensoren un tensor llamadoconverted_tensorcon un tipo de dato de valores de punto flotante de 16 bits.
Solución
¡Gracias por tus comentarios!
single
Pregunte a AI
Pregunte a AI
Pregunte lo que quiera o pruebe una de las preguntas sugeridas para comenzar nuestra charla
What are some practical examples of when I would need to change a tensor's data type?
Can you explain the difference between signed and unsigned integer types in TensorFlow?
How do I check the data type of an existing tensor?
Awesome!
Completion rate improved to 5.56Tipos de Datos
Desliza para mostrar el menú
Tipos de datos
En esta sección, se explorará el concepto de tipos de datos en TensorFlow. De manera similar a cómo los lenguajes de programación categorizan los números y el texto en tipos como enteros, flotantes o cadenas, los tensores en TensorFlow también poseen tipos específicos.
Tipos de datos disponibles en TensorFlow
TensorFlow admite una amplia variedad de tipos de datos para adaptarse a diferentes clases de datos y operaciones. Algunos de los tipos más utilizados son:
-
tf.float16,tf.float32,tf.float64: estos son números de punto flotante donde los dígitos después del punto decimal son relevantes. El número en su nombre (como16entf.float16) indica la cantidad de bits utilizados.tf.float32es comúnmente empleado porque ofrece un buen equilibrio entre precisión y velocidad de cálculo; -
tf.int8,tf.int16,tf.int32,tf.int64: estos son tipos enteros, números sin punto decimal. Pueden ser tanto positivos como negativos; -
tf.uint8,tf.uint16,tf.uint32,tf.uint64: la 'u' aquí significa 'unsigned' (sin signo), lo que indica que estos enteros siempre son no negativos; -
tf.bool: representa valores booleanos (TrueoFalse); -
tf.string: para datos de texto.
Para los tipos enteros, un número mayor en el nombre solo indica un rango más amplio de valores que puede almacenar. Pero para los tipos de punto flotante, un número mayor en el nombre también señala una mayor precisión computacional.
Existen más tipos de datos disponibles en TensorFlow, pero para principiantes, es fundamental familiarizarse primero con estos tipos principales. Para obtener una lista completa de los tipos de datos compatibles con TensorFlow, consulte esta página específica en la documentación de TensorFlow.
Definición del tipo de dato al crear un tensor
Al inicializar un tensor, es posible especificar su tipo utilizando el argumento dtype:
123456789101112import tensorflow as tf # Creating a tensor of type `float16` tensor_float = tf.constant([1.2, 2.3, 3.4], dtype=tf.float16) # Creating a tensor of type `int64` tensor_int = tf.constant([1, 2, 3], dtype=tf.int64) # Display tensors print(tensor_float) print('-' * 50) print(tensor_int)
Muchas funciones de creación de tensores adoptan este enfoque. Es aplicable en métodos como tf.Variable(), tf.zeros(), tf.ones(), tf.random.normal(), tf.random.uniform(), e incluso en tf.convert_to_tensor().
Conversión entre tipos de datos
¿Pero qué sucede si la función que está utilizando no permite la especificación directa del tipo de dato? O tal vez ya posee un tensor de cierto tipo y necesita cambiarlo. En estos casos, será necesario transformar tensores de un tipo de dato a otro. Esto es especialmente relevante ya que ciertas operaciones o capas de redes neuronales suelen requerir entradas de un tipo particular, predominantemente números de punto flotante.
Puede utilizar tf.cast() para lograr esto:
123456789101112import tensorflow as tf # Create a tensor tensor_float = tf.constant([-1.2, 2.3, 3.8]) # Convert our `tensor_float` from `float32` to `int32` tensor_int_converted = tf.cast(tensor_float, dtype=tf.int32) # Display a tensor print(tensor_float) print('-' * 50) print(tensor_int_converted)
Recuerde que, al convertir de un tipo de punto flotante a un tipo entero, TensorFlow realizará una operación de piso, eliminando esencialmente la parte decimal. Así, 3.8 se convierte en 3 y -1.2 se convierte en -1.
Tenga precaución al cambiar los tipos de datos, especialmente cuando se cambia a un tipo con menor precisión. Podría perder información en el proceso.
Swipe to start coding
Su tarea es crear un tensor de un tipo de dato específico y luego convertirlo a otro tipo de dato.
- Crear un tensor llamado
initial_tensorde forma(3, 3)con valores distribuidos normalmente. Asegúrese de que este tensor tenga un tipo de dato de valores de punto flotante de 64 bits. - Transformar el
initial_tensoren un tensor llamadoconverted_tensorcon un tipo de dato de valores de punto flotante de 16 bits.
Solución
Cambia al escritorio para practicar en el mundo realContinúe desde donde se encuentra utilizando una de las siguientes opciones¡Gracias por tus comentarios!
single
