Tensorien luominen

Tässä luvussa keskitytään tensorien luomiseen TensorFlow'n avulla. TensorFlow tarjoaa useita menetelmiä tensorien alustamiseen. Tämän luvun lopussa hallitset tensorien luomisen monenlaisiin käyttötarkoituksiin.

Perustason tensorin alustajat

tf.constant(): tämä on yksinkertaisin tapa luoda tensori. Kuten nimestä voi päätellä, tällä menetelmällä alustetut tensorit sisältävät vakioarvoja ja ovat muuttumattomia;


              12345
            
import tensorflow as tf

# Create a 2x2 constant tensor
tensor_const = tf.constant([[1, 2], [3, 4]])
print(tensor_const)

tf.Variable(): toisin kuin tf.constant(), tf.Variable()-funktiolla määritelty tensori on muokattavissa. Tämä tarkoittaa, että sen arvoa voidaan muuttaa, mikä tekee siitä sopivan esimerkiksi mallien opetettaville parametreille;


              12345
            
import tensorflow as tf

# Create a variable tensor
tensor_var = tf.Variable([[1, 2], [3, 4]])
print(tensor_var)

tf.zeros(): luo tensori, joka on täytetty nollilla;


              12345
            
import tensorflow as tf

# Zero tensor of shape (3, 3)
tensor_zeros = tf.zeros((3, 3))
print(tensor_zeros)

tf.ones(): vastaavasti tämä luo tensorin, joka on täytetty ykkösillä;


              12345
            
import tensorflow as tf

# Ones tensor of shape (2, 2)
tensor_ones = tf.ones((2, 2))
print(tensor_ones)

tf.fill(): luo tensorin, joka on täytetty tietyllä arvolla;


              12345
            
import tensorflow as tf

# Tensor of shape (2, 2) filled with 6
tensor_fill = tf.fill((2, 2), 6)
print(tensor_fill)

tf.linspace() ja tf.range(): erinomaisia sekvenssien luomiseen;


              123456789
            
import tensorflow as tf

# Generate a sequence of numbers starting from 0, ending at 9
tensor_range = tf.range(10)
print(tensor_range)

# Create 5 equally spaced values between 0 and 10
tensor_linspace = tf.linspace(0, 10, 5)
print(tensor_linspace)

tf.random: luo tensoreita satunnaisarvoilla. Tässä moduulissa on useita jakaumia ja funktioita, kuten tf.random.normal() normaalijakaumasta saataville arvoille ja tf.random.uniform() tasaisesta jakaumasta saataville arvoille.

Huomio

Voit myös asettaa kiinteän siemenen saadaksesi johdonmukaiset tulokset jokaisella satunnaislukugeneroinnilla käyttämällä tf.random.set_seed(). Huomaa kuitenkin, että näin tehdessäsi saat saman luvun kaikissa TensorFlow:n satunnaisgeneroinneissa.

Jos haluat johdonmukaiset luvut vain tietylle komennolle, voit antaa kyseiselle komennolle seed-argumentin haluamallasi siemenarvolla.


              1234567891011121314
            
import tensorflow as tf

# Set random seed
tf.random.set_seed(72)

# Tensor of shape (2, 2) with random values normally distributed 
# (by default `mean=0` and `std=1`)
tensor_random = tf.random.normal((2, 2), mean=4, stddev=0.5)
print(tensor_random)

# Tensor of shape (2, 2) with random values uniformly distributed 
# (by default `min=0` and `max=1`)
tensor_random = tf.random.uniform((2, 2), minval=-2, maxval=2)
print(tensor_random)

Tietorakenteiden välinen muuntaminen

TensorFlow-tensorit voidaan saumattomasti muuntaa tutuiksi Pythonin tietorakenteiksi ja takaisin.

Numpy-taulukoista: TensorFlow-tensorit ja Numpy-taulukot ovat hyvin yhteensopivia. Käytä tf.convert_to_tensor();


              12345678910
            
import numpy as np
import tensorflow as tf

# Create a NumPy array based on a Python list
numpy_array = np.array([[1, 2], [3, 4]])

# Convert a NumPy array to a tensor
tensor_from_np = tf.convert_to_tensor(numpy_array)

print(tensor_from_np)

Pandas DataFrameista: niille, jotka suosivat datan analysointia Pandasin avulla, DataFrame- tai Series-olion muuntaminen TensorFlow-tensoriksi on suoraviivaista. Käytä myös tf.convert_to_tensor() -funktiota;


              12345678910
            
import pandas as pd
import tensorflow as tf

# Create a DataFrame based on dictionary
df = pd.DataFrame({'A': [1, 2], 'B': [3, 4]})

# Convert a DataFrame to a tensor
tensor_from_df = tf.convert_to_tensor(df.values)

print(tensor_from_df)

Huomio

Varmista aina, että alkuperäisten rakenteidesi (Numpy-taulukot tai Pandas DataFramet) tietotyypit ovat yhteensopivia TensorFlow-tensorin tietotyyppien kanssa. Jos tietotyypeissä on eroavaisuuksia, harkitse tyyppimuunnosta.

Vakio-tensorin muuntaminen Variable-muuttujaksi: Variable voidaan alustaa useilla tensorin luontimenetelmillä, kuten tf.ones(), tf.linspace(), tf.random ja niin edelleen. Anna funktio tai olemassa oleva tensori suoraan tf.Variable()-funktiolle.


              12345678910111213
            
import tensorflow as tf

# Create a variable from a tensor
tensor = tf.random.normal((2, 3))
variable_1 = tf.Variable(tensor)

# Create a variable based on other generator
variable_2 = tf.Variable(tf.zeros((2, 2)))

# Display tensors
print(variable_1)
print('-' * 50)
print(variable_2)

Tensorien luomisen harjoittelua voi kehittää kokeilemalla erilaisia muotoja ja arvoja. Lisätietoja yksittäisistä komennoista löytyy virallisesta TensorFlow-dokumentaatiosta. Sieltä löytyy kaikki tarvittava tieto kirjaston komennoista ja moduuleista.

Tehtävä

Swipe to start coding

Tehtävänäsi on luoda, muokata ja muuntaa erilaisia tensoreita tässä haasteessa.

Osa 1 — Tensorin alustaminen

Luo tensor nimeltä tensor_A, jonka muoto on (3, 3) ja kaikki alkiot ovat 5.
Luo muokattava tensor nimeltä tensor_B, jonka muoto on (2, 3) ja arvot ovat vapaavalintaiset.
Luo tensor nimeltä tensor_C, jonka muoto on (3, 3) ja joka on täytetty nollilla.
Luo tensor nimeltä tensor_D, jonka muoto on (4, 4) ja joka on täytetty ykkösillä.
Luo tensor nimeltä tensor_E, jossa on 5 tasavälein sijoitettua arvoa välillä 3 ja 15.
Luo tensor nimeltä tensor_F, jossa on satunnaisia arvoja ja muoto (2, 2).

Osa 2 — Muunnokset

Muunna NumPy-taulukko np_array TensorFlow-tensoriksi nimeltä tensor_from_array.
Muunna DataFrame df TensorFlow-tensoriksi nimeltä tensor_from_dataframe.

Huom

Käytä tarkoituksenmukaisimpia TensorFlow-funktioita (esim. tf.ones(), tf.zeros(), tf.fill(), jne.).
Muunnoksissa käytä tf.convert_to_tensor().
Tasavälisten tensorien luomiseen käytä tf.linspace(start, stop, num).
Satunnaisten tensorien luomiseen käytä tf.random.normal(shape).

Ratkaisu

Oliko kaikki selvää?

Kiitos palautteestasi!

Osio 1. Luku 6

single

Kysy tekoälyä

Kysy mitä tahansa tai kokeile jotakin ehdotetuista kysymyksistä aloittaaksesi keskustelumme

Awesome!

Completion rate improved to 5.56

Pyyhkäise näyttääksesi valikon

Tensorien luominen

Perustason tensorin alustajat

tf.constant(): tämä on yksinkertaisin tapa luoda tensori. Kuten nimestä voi päätellä, tällä menetelmällä alustetut tensorit sisältävät vakioarvoja ja ovat muuttumattomia;


              12345
            
import tensorflow as tf

# Create a 2x2 constant tensor
tensor_const = tf.constant([[1, 2], [3, 4]])
print(tensor_const)

tf.Variable(): toisin kuin tf.constant(), tf.Variable()-funktiolla määritelty tensori on muokattavissa. Tämä tarkoittaa, että sen arvoa voidaan muuttaa, mikä tekee siitä sopivan esimerkiksi mallien opetettaville parametreille;


              12345
            
import tensorflow as tf

# Create a variable tensor
tensor_var = tf.Variable([[1, 2], [3, 4]])
print(tensor_var)

tf.zeros(): luo tensori, joka on täytetty nollilla;


              12345
            
import tensorflow as tf

# Zero tensor of shape (3, 3)
tensor_zeros = tf.zeros((3, 3))
print(tensor_zeros)

tf.ones(): vastaavasti tämä luo tensorin, joka on täytetty ykkösillä;


              12345
            
import tensorflow as tf

# Ones tensor of shape (2, 2)
tensor_ones = tf.ones((2, 2))
print(tensor_ones)

tf.fill(): luo tensorin, joka on täytetty tietyllä arvolla;


              12345
            
import tensorflow as tf

# Tensor of shape (2, 2) filled with 6
tensor_fill = tf.fill((2, 2), 6)
print(tensor_fill)

tf.linspace() ja tf.range(): erinomaisia sekvenssien luomiseen;


              123456789
            
import tensorflow as tf

# Generate a sequence of numbers starting from 0, ending at 9
tensor_range = tf.range(10)
print(tensor_range)

# Create 5 equally spaced values between 0 and 10
tensor_linspace = tf.linspace(0, 10, 5)
print(tensor_linspace)

tf.random: luo tensoreita satunnaisarvoilla. Tässä moduulissa on useita jakaumia ja funktioita, kuten tf.random.normal() normaalijakaumasta saataville arvoille ja tf.random.uniform() tasaisesta jakaumasta saataville arvoille.

Huomio

Jos haluat johdonmukaiset luvut vain tietylle komennolle, voit antaa kyseiselle komennolle seed-argumentin haluamallasi siemenarvolla.


              1234567891011121314
            
import tensorflow as tf

# Set random seed
tf.random.set_seed(72)

# Tensor of shape (2, 2) with random values normally distributed 
# (by default `mean=0` and `std=1`)
tensor_random = tf.random.normal((2, 2), mean=4, stddev=0.5)
print(tensor_random)

# Tensor of shape (2, 2) with random values uniformly distributed 
# (by default `min=0` and `max=1`)
tensor_random = tf.random.uniform((2, 2), minval=-2, maxval=2)
print(tensor_random)

Tietorakenteiden välinen muuntaminen

TensorFlow-tensorit voidaan saumattomasti muuntaa tutuiksi Pythonin tietorakenteiksi ja takaisin.

Numpy-taulukoista: TensorFlow-tensorit ja Numpy-taulukot ovat hyvin yhteensopivia. Käytä tf.convert_to_tensor();


              12345678910
            
import numpy as np
import tensorflow as tf

# Create a NumPy array based on a Python list
numpy_array = np.array([[1, 2], [3, 4]])

# Convert a NumPy array to a tensor
tensor_from_np = tf.convert_to_tensor(numpy_array)

print(tensor_from_np)

Pandas DataFrameista: niille, jotka suosivat datan analysointia Pandasin avulla, DataFrame- tai Series-olion muuntaminen TensorFlow-tensoriksi on suoraviivaista. Käytä myös tf.convert_to_tensor() -funktiota;


              12345678910
            
import pandas as pd
import tensorflow as tf

# Create a DataFrame based on dictionary
df = pd.DataFrame({'A': [1, 2], 'B': [3, 4]})

# Convert a DataFrame to a tensor
tensor_from_df = tf.convert_to_tensor(df.values)

print(tensor_from_df)

Huomio

Vakio-tensorin muuntaminen Variable-muuttujaksi: Variable voidaan alustaa useilla tensorin luontimenetelmillä, kuten tf.ones(), tf.linspace(), tf.random ja niin edelleen. Anna funktio tai olemassa oleva tensori suoraan tf.Variable()-funktiolle.


              12345678910111213
            
import tensorflow as tf

# Create a variable from a tensor
tensor = tf.random.normal((2, 3))
variable_1 = tf.Variable(tensor)

# Create a variable based on other generator
variable_2 = tf.Variable(tf.zeros((2, 2)))

# Display tensors
print(variable_1)
print('-' * 50)
print(variable_2)

Tehtävä

Swipe to start coding

Tehtävänäsi on luoda, muokata ja muuntaa erilaisia tensoreita tässä haasteessa.

Osa 1 — Tensorin alustaminen

Luo tensor nimeltä tensor_A, jonka muoto on (3, 3) ja kaikki alkiot ovat 5.
Luo muokattava tensor nimeltä tensor_B, jonka muoto on (2, 3) ja arvot ovat vapaavalintaiset.
Luo tensor nimeltä tensor_C, jonka muoto on (3, 3) ja joka on täytetty nollilla.
Luo tensor nimeltä tensor_D, jonka muoto on (4, 4) ja joka on täytetty ykkösillä.
Luo tensor nimeltä tensor_E, jossa on 5 tasavälein sijoitettua arvoa välillä 3 ja 15.
Luo tensor nimeltä tensor_F, jossa on satunnaisia arvoja ja muoto (2, 2).

Osa 2 — Muunnokset

Muunna NumPy-taulukko np_array TensorFlow-tensoriksi nimeltä tensor_from_array.
Muunna DataFrame df TensorFlow-tensoriksi nimeltä tensor_from_dataframe.

Huom

Käytä tarkoituksenmukaisimpia TensorFlow-funktioita (esim. tf.ones(), tf.zeros(), tf.fill(), jne.).
Muunnoksissa käytä tf.convert_to_tensor().
Tasavälisten tensorien luomiseen käytä tf.linspace(start, stop, num).
Satunnaisten tensorien luomiseen käytä tf.random.normal(shape).

Ratkaisu

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

Oliko kaikki selvää?

Kiitos palautteestasi!

Osio 1. Luku 6

single

Tensorien Luominen

Tensorien luominen

Perustason tensorin alustajat

Tietorakenteiden välinen muuntaminen

Osa 1 — Tensorin alustaminen

Osa 2 — Muunnokset

Ratkaisu

Awesome!

Tensorien Luominen

Tensorien luominen

Perustason tensorin alustajat

Tietorakenteiden välinen muuntaminen

Osa 1 — Tensorin alustaminen

Osa 2 — Muunnokset

Ratkaisu