Notice: This page requires JavaScript to function properly.
Please enable JavaScript in your browser settings or update your browser.Oppiskele Datatyypit | Tensorit
Johdanto TensorFlow'hun

bookDatatyypit

Tietotyypit

Tässä osiossa perehdytään tietotyyppien käsitteeseen TensorFlow'ssa. Samoin kuin ohjelmointikielet luokittelevat luvut ja tekstin tyyppeihin, kuten kokonaisluvut, liukuluvut tai merkkijonot, TensorFlow'n tensorit sisältävät myös omat erityiset tietotyyppinsä.

Saatavilla olevat tietotyypit TensorFlow'ssa

TensorFlow tukee laajaa valikoimaa tietotyyppejä erilaisiin datan ja operaatioiden tarpeisiin. Yleisimmin käytettyjä tyyppejä ovat:

  • tf.float16, tf.float32, tf.float64: liukulukuja, joissa desimaaliosalla on merkitystä. Nimiin sisältyvä numero (esim. 16 kohdassa tf.float16) kertoo käytettyjen bittien määrän. tf.float32 on yleinen valinta, koska se tarjoaa hyvän tasapainon tarkkuuden ja laskentanopeuden välillä;

  • tf.int8, tf.int16, tf.int32, tf.int64: kokonaislukutyyppejä, eli lukuja ilman desimaalipistettä. Voi olla sekä positiivisia että negatiivisia;

  • tf.uint8, tf.uint16, tf.uint32, tf.uint64: 'u' tarkoittaa 'unsigned' eli nämä kokonaisluvut ovat aina epänegatiivisia;

  • tf.bool: edustaa totuusarvoja (True tai False);

  • tf.string: tekstidatalle.

Note
Huomio

Kokonaislukutyypeissä suurempi numero nimessä tarkoittaa vain laajempaa arvoaluetta. Liukulukutyypeissä suurempi numero nimessä viittaa myös parempaan laskennalliseen tarkkuuteen.

TensorFlowissa on saatavilla useampia tietotyyppejä, mutta aloittelijoille on tärkeää tutustua ensin näihin perusmuotoihin. Kattavan luettelon TensorFlow'n tukemista tietotyypeistä löydät tältä sivulta TensorFlow'n dokumentaatiosta.

Tietotyypin määrittäminen tensorin luomisen yhteydessä

Kun alustat tensorin, voit määrittää sen tyypin käyttämällä dtype-argumenttia:


              
123456789101112

            
import 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)
copy
Note
Huomio

Monet tensorin luontifunktiot käyttävät tätä lähestymistapaa. Tämä pätee esimerkiksi metodeihin kuten tf.Variable(), tf.zeros(), tf.ones(), tf.random.normal(), tf.random.uniform() sekä myös tf.convert_to_tensor().

Datan tyyppien muuntaminen

Entä jos käyttämäsi funktio ei salli datan tyypin suoraa määrittelyä? Tai ehkä sinulla on jo tietyn tyyppinen tensori ja tarvitset sen muuttamista. Näissä tapauksissa tensorit täytyy muuntaa tyypistä toiseen. Tämä on erityisen tärkeää, koska tietyt neuroverkkotoiminnot tai -kerrokset vaativat usein syötteitä tietyssä muodossa, pääasiassa liukulukuarvoina.

Tähän voidaan käyttää tf.cast()-funktiota:


              
123456789101112

            
import 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)
copy

Muista, että muunnettaessa liukulukutyypistä kokonaislukutyyppiin TensorFlow suorittaa lattiaoperaation, eli desimaaliosa jätetään pois. Näin ollen 3.8 muuttuu arvoksi 3 ja -1.2 arvoksi -1.

Note
Huomio

Ole varovainen vaihtaessasi tietotyyppejä, erityisesti siirryttäessä vähemmän tarkkaan tyyppiin. Tietoa saattaa hävitä prosessin aikana.

Tehtävä

Swipe to start coding

Tehtävänäsi on luoda tietyn tietotyypin tensori ja muuntaa se toiseen tietotyyppiin.

  1. Luo tensori nimeltä initial_tensor, jonka muoto on (3, 3) ja jonka arvot ovat normaalijakautuneita. Varmista, että tällä tensorilla on 64-bittinen liukulukutietotyyppi.
  2. Muunna initial_tensor tensoriksi nimeltä converted_tensor, jonka tietotyyppi on 16-bittinen liukulukutyyppi.

Ratkaisu

Oliko kaikki selvää?

Miten voimme parantaa sitä?

Kiitos palautteestasi!

Osio 1. Luku 7
single

single

Kysy tekoälyä

expand

Kysy tekoälyä

ChatGPT

Kysy mitä tahansa tai kokeile jotakin ehdotetuista kysymyksistä aloittaaksesi keskustelumme

close

Awesome!

Completion rate improved to 5.56

bookDatatyypit

Pyyhkäise näyttääksesi valikon

Tietotyypit

Tässä osiossa perehdytään tietotyyppien käsitteeseen TensorFlow'ssa. Samoin kuin ohjelmointikielet luokittelevat luvut ja tekstin tyyppeihin, kuten kokonaisluvut, liukuluvut tai merkkijonot, TensorFlow'n tensorit sisältävät myös omat erityiset tietotyyppinsä.

Saatavilla olevat tietotyypit TensorFlow'ssa

TensorFlow tukee laajaa valikoimaa tietotyyppejä erilaisiin datan ja operaatioiden tarpeisiin. Yleisimmin käytettyjä tyyppejä ovat:

  • tf.float16, tf.float32, tf.float64: liukulukuja, joissa desimaaliosalla on merkitystä. Nimiin sisältyvä numero (esim. 16 kohdassa tf.float16) kertoo käytettyjen bittien määrän. tf.float32 on yleinen valinta, koska se tarjoaa hyvän tasapainon tarkkuuden ja laskentanopeuden välillä;

  • tf.int8, tf.int16, tf.int32, tf.int64: kokonaislukutyyppejä, eli lukuja ilman desimaalipistettä. Voi olla sekä positiivisia että negatiivisia;

  • tf.uint8, tf.uint16, tf.uint32, tf.uint64: 'u' tarkoittaa 'unsigned' eli nämä kokonaisluvut ovat aina epänegatiivisia;

  • tf.bool: edustaa totuusarvoja (True tai False);

  • tf.string: tekstidatalle.

Note
Huomio

Kokonaislukutyypeissä suurempi numero nimessä tarkoittaa vain laajempaa arvoaluetta. Liukulukutyypeissä suurempi numero nimessä viittaa myös parempaan laskennalliseen tarkkuuteen.

TensorFlowissa on saatavilla useampia tietotyyppejä, mutta aloittelijoille on tärkeää tutustua ensin näihin perusmuotoihin. Kattavan luettelon TensorFlow'n tukemista tietotyypeistä löydät tältä sivulta TensorFlow'n dokumentaatiosta.

Tietotyypin määrittäminen tensorin luomisen yhteydessä

Kun alustat tensorin, voit määrittää sen tyypin käyttämällä dtype-argumenttia:


              
123456789101112

            
import 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)
copy
Note
Huomio

Monet tensorin luontifunktiot käyttävät tätä lähestymistapaa. Tämä pätee esimerkiksi metodeihin kuten tf.Variable(), tf.zeros(), tf.ones(), tf.random.normal(), tf.random.uniform() sekä myös tf.convert_to_tensor().

Datan tyyppien muuntaminen

Entä jos käyttämäsi funktio ei salli datan tyypin suoraa määrittelyä? Tai ehkä sinulla on jo tietyn tyyppinen tensori ja tarvitset sen muuttamista. Näissä tapauksissa tensorit täytyy muuntaa tyypistä toiseen. Tämä on erityisen tärkeää, koska tietyt neuroverkkotoiminnot tai -kerrokset vaativat usein syötteitä tietyssä muodossa, pääasiassa liukulukuarvoina.

Tähän voidaan käyttää tf.cast()-funktiota:


              
123456789101112

            
import 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)
copy

Muista, että muunnettaessa liukulukutyypistä kokonaislukutyyppiin TensorFlow suorittaa lattiaoperaation, eli desimaaliosa jätetään pois. Näin ollen 3.8 muuttuu arvoksi 3 ja -1.2 arvoksi -1.

Note
Huomio

Ole varovainen vaihtaessasi tietotyyppejä, erityisesti siirryttäessä vähemmän tarkkaan tyyppiin. Tietoa saattaa hävitä prosessin aikana.

Tehtävä

Swipe to start coding

Tehtävänäsi on luoda tietyn tietotyypin tensori ja muuntaa se toiseen tietotyyppiin.

  1. Luo tensori nimeltä initial_tensor, jonka muoto on (3, 3) ja jonka arvot ovat normaalijakautuneita. Varmista, että tällä tensorilla on 64-bittinen liukulukutietotyyppi.
  2. Muunna initial_tensor tensoriksi nimeltä converted_tensor, jonka tietotyyppi on 16-bittinen liukulukutyyppi.

Ratkaisu

Switch to desktopVaihda työpöytään todellista harjoitusta vartenJatka siitä, missä olet käyttämällä jotakin alla olevista vaihtoehdoista
Oliko kaikki selvää?

Miten voimme parantaa sitä?

Kiitos palautteestasi!

Osio 1. Luku 7
single

single

some-alt