Lære Oppretting av Tensorer

Seksjon 1. Kapittel 6

single

Sveip for å vise menyen

Grunnleggende tensor-initialisatorer

tf.constant(): dette er den enkleste måten å opprette en tensor på. Som navnet tilsier, inneholder tensorer initialisert med denne metoden konstante verdier og er uforanderlige;


              12345
            
import tensorflow as tf

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

tf.Variable(): i motsetning til tf.constant(), er en tensor definert med tf.Variable() foranderlig. Dette betyr at verdien kan endres, noe som gjør den ideell for for eksempel trenbare parametere i modeller;


              12345
            
import tensorflow as tf

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

tf.zeros(): oppretter en tensor fylt med nuller;


              12345
            
import tensorflow as tf

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

tf.ones(): dette oppretter derimot en tensor fylt med ener;


              12345
            
import tensorflow as tf

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

tf.fill(): oppretter en tensor fylt med en spesifikk verdi;


              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() og tf.range(): utmerkede funksjoner for å lage sekvenser;


              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: genererer tensorer med tilfeldige verdier. Flere fordelinger og funksjoner er tilgjengelige i denne modulen, som tf.random.normal() for verdier fra en normalfordeling, og tf.random.uniform() for verdier fra en uniform fordeling.

Merk

Du kan også angi et fast seed for å oppnå konsistente resultater ved hver generering av tilfeldige tall ved å bruke tf.random.set_seed(). Vær imidlertid oppmerksom på at du ved å gjøre dette vil få det samme tallet for enhver tilfeldig generering i TensorFlow.

Hvis du ønsker å oppnå konsistente tall kun for en spesifikk kommando, kan du gi et seed-argument til den kommandoen med ønsket seed-verdi.


              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)

Konvertering mellom datastrukturer

TensorFlow-tensorer kan enkelt konverteres til og fra kjente Python-datastrukturer.

Fra Numpy-arrays: TensorFlow-tensorer og Numpy-arrays er svært kompatible. Bruk 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)

Fra Pandas DataFrames: for de som foretrekker dataanalyse med Pandas, er det enkelt å konvertere en DataFrame eller en Series til en TensorFlow-tensor. Bruk også tf.convert_to_tensor()


              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)

Merk

Sørg alltid for at datatypene til de opprinnelige strukturene dine (Numpy-arrays eller Pandas DataFrames) er kompatible med TensorFlow tensor-datatyper. Hvis det er et avvik, vurder typekonvertering.

Konvertering av en konstant tensor til en Variable: du kan initialisere en Variable ved å bruke ulike tensoropprettingsmetoder som tf.ones(), tf.linspace(), tf.random og lignende. Send ganske enkelt funksjonen eller den eksisterende tensoren til tf.Variable().


              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)

For å bli bedre til å opprette tensorer, anbefales det å øve med ulike former og verdier. For mer informasjon om spesifikke kommandoer, se den offisielle TensorFlow-dokumentasjonen. Her finnes all nødvendig informasjon om kommandoer og moduler i biblioteket.

Oppgave

Swipe to start coding

Din oppgave er å opprette, endre og konvertere ulike tensorer ved hjelp av TensorFlow.

Del 1 — Initialisering av tensorer

Opprett en tensor kalt tensor_A med form (3, 3) og alle elementer lik 5.
Opprett en muterbar tensor kalt tensor_B med form (2, 3) og vilkårlige verdier etter eget valg.
Opprett en tensor kalt tensor_C med form (3, 3) fylt med nuller.
Opprett en tensor kalt tensor_D med form (4, 4) fylt med ener.
Opprett en tensor kalt tensor_E med 5 lineært fordelte verdier mellom 3 og 15.
Opprett en tensor kalt tensor_F med tilfeldige verdier og form (2, 2).

Del 2 — Konverteringer

Konverter NumPy-arrayet np_array til en TensorFlow-tensor kalt tensor_from_array.
Konverter DataFrame df til en TensorFlow-tensor kalt tensor_from_dataframe.

Merk

Bruk de mest hensiktsmessige TensorFlow-funksjonene for hver operasjon:
tf.fill() for tensorer med én gjentatt verdi;
tf.Variable() for muterbare tensorer;
tf.zeros() / tf.ones() for tensorer fylt med nuller eller ener;
tf.linspace() for lineært fordelte tensorer;
tf.random.normal() for tilfeldige tensorer;
Bruk tf.convert_to_tensor() for konvertering fra NumPy-arrays eller pandas DataFrames.
Unngå å bruke tf.constant() — bruk de mer spesifikke funksjonene nevnt ovenfor i stedet.

Løsning

Bytt til skrivebordet for virkelighetspraksisFortsett der du er med et av alternativene nedenfor

Alt var klart?

Takk for tilbakemeldingene dine!

Seksjon 1. Kapittel 6

single

Spør AI

Spør om hva du vil, eller prøv ett av de foreslåtte spørsmålene for å starte chatten vår