Типи даних

У цьому розділі розглядається поняття типів даних у TensorFlow. Подібно до того, як мови програмування класифікують числа та текст на такі типи, як цілі числа, числа з плаваючою комою або рядки, тензори в TensorFlow також мають певні типи.

Доступні типи даних у TensorFlow

TensorFlow підтримує велику кількість типів даних для роботи з різними видами даних та операцій. Деякі з найбільш поширених типів:

tf.float16, tf.float32, tf.float64: числа з плаваючою комою, де важливі цифри після крапки. Число в назві (наприклад, 16 у tf.float16) вказує на кількість бітів, що використовується. tf.float32 часто використовується, оскільки забезпечує оптимальний баланс між точністю та швидкістю обчислень;
tf.int8, tf.int16, tf.int32, tf.int64: цілі типи, числа без десяткової крапки. Можуть бути як додатними, так і від’ємними;
tf.uint8, tf.uint16, tf.uint32, tf.uint64: 'u' означає 'unsigned' (беззнаковий), тобто ці цілі числа завжди невід’ємні;
tf.bool: представляє булеві значення (True або False);
tf.string: для текстових даних.

Примітка

Для цілих типів більше число в назві означає лише ширший діапазон значень, які можна зберігати. Для типів з плаваючою комою більше число в назві також вказує на вищу обчислювальну точність.

У TensorFlow доступно більше типів даних, але для початківців важливо спочатку ознайомитися з основними типами. Повний перелік типів даних, які підтримує TensorFlow, можна знайти на цій сторінці документації TensorFlow.

Встановлення типу даних при створенні тензора

Під час ініціалізації тензора можна вказати його тип за допомогою аргументу 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)

Примітка

Багато функцій створення тензорів використовують цей підхід. Це застосовується у таких методах, як tf.Variable(), tf.zeros(), tf.ones(), tf.random.normal(), tf.random.uniform(), а також у tf.convert_to_tensor().

Перетворення між типами даних

Але що робити, якщо функція, яку ви використовуєте, не дозволяє безпосередньо вказати тип даних? Або, можливо, у вас вже є тензор певного типу і потрібно його змінити. У таких випадках необхідно перетворювати тензори з одного типу даних в інший. Це особливо актуально, оскільки деякі операції або шари нейронних мереж часто вимагають вхідних даних певного типу, переважно чисел з плаваючою комою.

Для цього можна використати tf.cast():


              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)

Пам’ятайте, що під час перетворення з типу з плаваючою комою у цілочисельний тип TensorFlow виконує операцію підлоги (floor), тобто відкидає дробову частину. Таким чином, 3.8 стає 3, а -1.2 стає -1.

Примітка

Будьте обережні при зміні типів даних, особливо якщо ви переходите до типу з меншою точністю. У процесі можна втратити інформацію.

Завдання

Swipe to start coding

Ваше завдання — створити тензор із певним типом даних, а потім перетворити його на інший тип даних.

Створіть тензор з назвою initial_tensor розмірності (3, 3) з нормально розподіленими значеннями. Переконайтеся, що цей тензор має тип даних 64-розрядних чисел з плаваючою комою.
Перетворіть initial_tensor у тензор з назвою converted_tensor з типом даних 16-розрядних чисел з плаваючою комою.

Рішення

Все було зрозуміло?

Дякуємо за ваш відгук!

Секція 1. Розділ 7

single

Запитати АІ

Запитайте про що завгодно або спробуйте одне із запропонованих запитань, щоб почати наш чат

Свайпніть щоб показати меню

Типи даних

Доступні типи даних у TensorFlow

tf.float16, tf.float32, tf.float64: числа з плаваючою комою, де важливі цифри після крапки. Число в назві (наприклад, 16 у tf.float16) вказує на кількість бітів, що використовується. tf.float32 часто використовується, оскільки забезпечує оптимальний баланс між точністю та швидкістю обчислень;
tf.int8, tf.int16, tf.int32, tf.int64: цілі типи, числа без десяткової крапки. Можуть бути як додатними, так і від’ємними;
tf.uint8, tf.uint16, tf.uint32, tf.uint64: 'u' означає 'unsigned' (беззнаковий), тобто ці цілі числа завжди невід’ємні;
tf.bool: представляє булеві значення (True або False);
tf.string: для текстових даних.

Примітка

Встановлення типу даних при створенні тензора

Під час ініціалізації тензора можна вказати його тип за допомогою аргументу 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)

Примітка

Перетворення між типами даних

Для цього можна використати tf.cast():


              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)

Примітка

Завдання

Swipe to start coding

Ваше завдання — створити тензор із певним типом даних, а потім перетворити його на інший тип даних.

Створіть тензор з назвою initial_tensor розмірності (3, 3) з нормально розподіленими значеннями. Переконайтеся, що цей тензор має тип даних 64-розрядних чисел з плаваючою комою.
Перетворіть initial_tensor у тензор з назвою converted_tensor з типом даних 16-розрядних чисел з плаваючою комою.

Рішення

Перейдіть на комп'ютер для реальної практикиПродовжуйте з того місця, де ви зупинились, використовуючи один з наведених нижче варіантів

Все було зрозуміло?

Дякуємо за ваш відгук!

Секція 1. Розділ 7

single

Типи Даних

Типи даних

Доступні типи даних у TensorFlow

Встановлення типу даних при створенні тензора

Перетворення між типами даних

Рішення

Типи Даних

Типи даних

Доступні типи даних у TensorFlow

Встановлення типу даних при створенні тензора

Перетворення між типами даних

Рішення