Datan tyypit

Tässä osiossa perehdytään datan tyyppien käsitteeseen TensorFlow'ssa. Samoin kuin ohjelmointikielet luokittelevat numerot 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. Nimen numero (esim. 16 kohdassa tf.float16) kertoo käytettyjen bittien määrän. tf.float32 on yleisesti käytetty, 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.

Huomio

Kokonaislukutyypeissä suurempi numero nimessä tarkoittaa vain laajempaa arvoaluetta, jonka se voi tallentaa. Liukulukutyypeissä suurempi numero nimessä viittaa myös parempaan laskennalliseen tarkkuuteen.

TensorFlowissa on saatavilla useampia tietotyyppejä, mutta aloittelijoille on tärkeää tutustua ensin näihin ensisijaisiin tyyppeihin. Kattavan luettelon TensorFlowin tukemista tietotyypeistä löydät tältä sivulta TensorFlow-dokumentaatiosta.

Tietotyypin asettaminen 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)

Huomautus

Monet tensorin luontitoiminnot käyttävät tätä lähestymistapaa. Tämä pätee esimerkiksi menetelmissä 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 liukulukuina.

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)

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

Huomio

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

Tehtävä

Swipe to start coding

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

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

Ratkaisu

Oliko kaikki selvää?

Kiitos palautteestasi!

Osio 1. Luku 7

single

Kysy tekoälyä

Kysy mitä tahansa tai kokeile jotakin ehdotetuista kysymyksistä aloittaaksesi keskustelumme

Pyyhkäise näyttääksesi valikon

Datan tyypit

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. Nimen numero (esim. 16 kohdassa tf.float16) kertoo käytettyjen bittien määrän. tf.float32 on yleisesti käytetty, 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.

Huomio

Tietotyypin asettaminen 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)

Huomautus

Datan tyyppien muuntaminen

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)

Huomio

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

Tehtävä

Swipe to start coding

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

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

Ratkaisu

Vaihda työpöytään todellista harjoitusta vartenJatka siitä, missä olet käyttämällä jotakin alla olevista vaihtoehdoista

Oliko kaikki selvää?

Kiitos palautteestasi!

Osio 1. Luku 7

single

Tietotyypit

Datan tyypit

Saatavilla olevat tietotyypit TensorFlow'ssa

Tietotyypin asettaminen tensorin luomisen yhteydessä

Datan tyyppien muuntaminen

Ratkaisu

Tietotyypit

Datan tyypit

Saatavilla olevat tietotyypit TensorFlow'ssa

Tietotyypin asettaminen tensorin luomisen yhteydessä

Datan tyyppien muuntaminen

Ratkaisu