Lære Datatyper

Seksjon 1. Kapittel 7

single

Sveip for å vise menyen

Tilgjengelige datatyper i TensorFlow

TensorFlow støtter et bredt utvalg av datatyper for å håndtere ulike typer data og operasjoner. Noen av de mest brukte typene er:

tf.float16, tf.float32, tf.float64: dette er flyttall der sifrene etter desimalpunktet er viktige. Tallet i navnet (som 16 i tf.float16) angir antall biter som brukes. tf.float32 er ofte brukt fordi det gir en god balanse mellom presisjon og beregningshastighet;
tf.int8, tf.int16, tf.int32, tf.int64: dette er heltallstyper, tall uten desimalpunkt. De kan være både positive og negative;
tf.uint8, tf.uint16, tf.uint32, tf.uint64: 'u' står her for 'unsigned', noe som betyr at disse heltallene alltid er ikke-negative;
tf.bool: representerer boolske verdier (True eller False);
tf.string: for tekstdata.

Merk

For heltallstyper betyr et høyere tall i navnet kun et større verdiområde som kan lagres. For flyttallstyper indikerer et høyere tall i navnet også større beregningsnøyaktighet.

Det finnes flere datatyper tilgjengelig i TensorFlow, men for nybegynnere er det viktigst å bli kjent med disse grunnleggende typene først. For en fullstendig liste over datatyper som støttes av TensorFlow, se gjerne denne spesifikke siden i TensorFlow-dokumentasjonen.

Angi datatype ved opprettelse av tensor

Når du initialiserer en tensor, kan du spesifisere typen ved å bruke argumentet dtype:


              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)

Merk

Mange funksjoner for å opprette tensorer benytter denne tilnærmingen. Dette gjelder metoder som tf.Variable(), tf.zeros(), tf.ones(), tf.random.normal(), tf.random.uniform(), og også tf.convert_to_tensor().

Konvertering mellom datatyper

Hva om funksjonen du bruker ikke tillater direkte spesifisering av datatype? Eller kanskje du allerede har en tensor av en bestemt type og må endre den. I slike tilfeller må du transformere tensorer fra én datatype til en annen. Dette er spesielt relevant siden enkelte operasjoner eller lag i nevrale nettverk ofte krever input av en bestemt type, hovedsakelig flyttall.

Du kan bruke tf.cast() for å oppnå dette:


              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)

Merk at når du konverterer fra flyttallstype til heltallstype, vil TensorFlow utføre en gulv-operasjon, det vil si at desimaldelen fjernes. Dermed blir 3.8 til 3, og -1.2 til -1.

Merk

Vær forsiktig når du endrer datatyper, spesielt når du går over til en type med lavere presisjon. Du kan miste informasjon i prosessen.

Oppgave

Swipe to start coding

Din oppgave er å opprette en tensor med en spesifikk datatyp og deretter konvertere den til en annen datatyp.

Opprett en tensor kalt initial_tensor med form (3, 3) med normalfordelte verdier. Sørg for at denne tensoren har en datatyp med 64-bits flyttall.
Konverter initial_tensor til en tensor kalt converted_tensor med en datatyp med 16-bits flyttall.

Løsning

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

Alt var klart?

Takk for tilbakemeldingene dine!

Seksjon 1. Kapittel 7

single

Spør AI

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