Tensorien Luominen
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;
12345import tensorflow as tf # Create a 2x2 constant tensor tensor_const = tf.constant([[1, 2], [3, 4]]) print(tensor_const)
tf.Variable(): toisin kuintf.constant(),tf.Variable()-funktiolla määritelty tensori on muokattavissa. Tämä tarkoittaa, että sen arvoa voidaan muuttaa, mikä tekee siitä sopivan esimerkiksi mallien opetettaville parametreille;
12345import 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;
12345import 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;
12345import 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;
12345import tensorflow as tf # Tensor of shape (2, 2) filled with 6 tensor_fill = tf.fill((2, 2), 6) print(tensor_fill)
tf.linspace()jatf.range(): erinomaisia sekvenssien luomiseen;
123456789import 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, kutentf.random.normal()normaalijakaumasta saataville arvoille jatf.random.uniform()tasaisesta jakaumasta saataville arvoille.
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.
1234567891011121314import 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();
12345678910import 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;
12345678910import 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)
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:Variablevoidaan alustaa useilla tensorin luontimenetelmillä, kutentf.ones(),tf.linspace(),tf.randomja niin edelleen. Anna funktio tai olemassa oleva tensori suoraantf.Variable()-funktiolle.
12345678910111213import 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.
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_arrayTensorFlow-tensoriksi nimeltätensor_from_array. - Muunna DataFrame
dfTensorFlow-tensoriksi nimeltätensor_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
Kiitos palautteestasi!
single
Kysy tekoälyä
Kysy tekoälyä
Kysy mitä tahansa tai kokeile jotakin ehdotetuista kysymyksistä aloittaaksesi keskustelumme
Awesome!
Completion rate improved to 5.56
Tensorien Luominen
Pyyhkäise näyttääksesi valikon
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;
12345import tensorflow as tf # Create a 2x2 constant tensor tensor_const = tf.constant([[1, 2], [3, 4]]) print(tensor_const)
tf.Variable(): toisin kuintf.constant(),tf.Variable()-funktiolla määritelty tensori on muokattavissa. Tämä tarkoittaa, että sen arvoa voidaan muuttaa, mikä tekee siitä sopivan esimerkiksi mallien opetettaville parametreille;
12345import 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;
12345import 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;
12345import 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;
12345import tensorflow as tf # Tensor of shape (2, 2) filled with 6 tensor_fill = tf.fill((2, 2), 6) print(tensor_fill)
tf.linspace()jatf.range(): erinomaisia sekvenssien luomiseen;
123456789import 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, kutentf.random.normal()normaalijakaumasta saataville arvoille jatf.random.uniform()tasaisesta jakaumasta saataville arvoille.
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.
1234567891011121314import 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();
12345678910import 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;
12345678910import 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)
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:Variablevoidaan alustaa useilla tensorin luontimenetelmillä, kutentf.ones(),tf.linspace(),tf.randomja niin edelleen. Anna funktio tai olemassa oleva tensori suoraantf.Variable()-funktiolle.
12345678910111213import 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.
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_arrayTensorFlow-tensoriksi nimeltätensor_from_array. - Muunna DataFrame
dfTensorFlow-tensoriksi nimeltätensor_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
Kiitos palautteestasi!
single