Створення тензорів

У цьому уроці розглядається створення тензорів за допомогою TensorFlow. TensorFlow надає численні методи для ініціалізації тензорів. Після завершення цього уроку ви будете впевнено генерувати тензори для широкого спектра застосувань.

Базові ініціалізатори тензорів

tf.constant(): це найпростіший спосіб створити тензор. Як випливає з назви, тензори, ініціалізовані цим методом, містять сталi значення та є незмінними;


              12345
            
import tensorflow as tf

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

tf.Variable(): на відміну від tf.constant(), тензор, визначений за допомогою tf.Variable(), є змінним. Це означає, що його значення можна змінювати, що ідеально підходить для таких випадків, як навчальні параметри у моделях;


              12345
            
import tensorflow as tf

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

tf.zeros(): створення тензора, заповненого нулями;


              12345
            
import tensorflow as tf

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

tf.ones(): навпаки, створює тензор, заповнений одиницями;


              12345
            
import tensorflow as tf

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

tf.fill(): створює тензор, заповнений певним значенням;


              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() та tf.range(): чудово підходять для створення послідовностей;


              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: генерує тензори з випадковими значеннями. У цьому модулі доступно декілька розподілів і функцій, наприклад, tf.random.normal() для значень із нормального розподілу та tf.random.uniform() для значень із рівномірного розподілу.

Примітка

Ви також можете встановити фіксоване зерно (seed), щоб отримувати сталі результати при кожному генеруванні випадкових чисел за допомогою tf.random.set_seed(). Однак майте на увазі, що при цьому ви отримуватимете одне й те саме число для будь-якої генерації випадкових чисел у TensorFlow.

Якщо потрібно отримати сталі числа лише для певної команди, можна передати аргумент seed цій команді із бажаним значенням зерна.


              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)

Перетворення між структурами даних

Тензори TensorFlow можна легко конвертувати до та з відомих структур даних Python.

З масивів Numpy: Тензори TensorFlow та масиви Numpy добре взаємодіють. Використовуйте 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)

З DataFrame Pandas: для тих, хто віддає перевагу аналізу даних з Pandas, перетворення DataFrame або Series у тензор TensorFlow є простим. Також використовуйте 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)

Примітка

Завжди переконуйтеся, що типи даних ваших початкових структур (масиви Numpy або DataFrame Pandas) сумісні з типами даних тензорів TensorFlow. Якщо виникає невідповідність, розгляньте можливість приведення типів.

Перетворення константного тензора на Variable: можна ініціалізувати Variable, використовуючи різні методи створення тензорів, такі як tf.ones(), tf.linspace(), tf.random тощо. Просто передайте функцію або вже існуючий тензор у 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)

Щоб краще освоїти створення тензорів, практикуйтеся з різними формами та значеннями. Для детальнішої інформації щодо конкретних команд перегляньте офіційну документацію TensorFlow. Тут міститься вся необхідна інформація про будь-яку команду чи модуль бібліотеки.

Завдання

Swipe to start coding

Ваше завдання — створити, змінити та конвертувати різні тензори у цьому завданні.

Частина 1 — Ініціалізація тензорів

Створіть тензор з ім'ям tensor_A розміром (3, 3), усі елементи якого дорівнюють 5.
Створіть змінний тензор з ім'ям tensor_B розміром (2, 3) з будь-якими значеннями на ваш вибір.
Створіть тензор з ім'ям tensor_C розміром (3, 3), заповнений нулями.
Створіть тензор з ім'ям tensor_D розміром (4, 4), заповнений одиницями.
Створіть тензор з ім'ям tensor_E, що містить 5 рівновіддалених значень між 3 та 15.
Створіть тензор з ім'ям tensor_F з випадковими значеннями та розміром (2, 2).

Частина 2 — Конвертації

Перетворіть NumPy-масив np_array у тензор TensorFlow з ім'ям tensor_from_array.
Перетворіть DataFrame df у тензор TensorFlow з ім'ям tensor_from_dataframe.

Примітка

Використовуйте найбільш відповідні функції TensorFlow (наприклад, tf.ones(), tf.zeros(), tf.fill() тощо).
Для конвертацій використовуйте tf.convert_to_tensor().
Для рівновіддалених тензорів використовуйте tf.linspace(start, stop, num).
Для випадкових тензорів використовуйте tf.random.normal(shape).

Рішення

Все було зрозуміло?

Дякуємо за ваш відгук!

Секція 1. Розділ 6

single

Запитати АІ

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

Awesome!

Completion rate improved to 5.56

Свайпніть щоб показати меню

Створення тензорів

Базові ініціалізатори тензорів

tf.constant(): це найпростіший спосіб створити тензор. Як випливає з назви, тензори, ініціалізовані цим методом, містять сталi значення та є незмінними;


              12345
            
import tensorflow as tf

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

tf.Variable(): на відміну від tf.constant(), тензор, визначений за допомогою tf.Variable(), є змінним. Це означає, що його значення можна змінювати, що ідеально підходить для таких випадків, як навчальні параметри у моделях;


              12345
            
import tensorflow as tf

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

tf.zeros(): створення тензора, заповненого нулями;


              12345
            
import tensorflow as tf

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

tf.ones(): навпаки, створює тензор, заповнений одиницями;


              12345
            
import tensorflow as tf

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

tf.fill(): створює тензор, заповнений певним значенням;


              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() та tf.range(): чудово підходять для створення послідовностей;


              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: генерує тензори з випадковими значеннями. У цьому модулі доступно декілька розподілів і функцій, наприклад, tf.random.normal() для значень із нормального розподілу та tf.random.uniform() для значень із рівномірного розподілу.

Примітка


              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)

Перетворення між структурами даних

Тензори TensorFlow можна легко конвертувати до та з відомих структур даних Python.

З масивів Numpy: Тензори TensorFlow та масиви Numpy добре взаємодіють. Використовуйте 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)

З DataFrame Pandas: для тих, хто віддає перевагу аналізу даних з Pandas, перетворення DataFrame або Series у тензор TensorFlow є простим. Також використовуйте 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)

Примітка

Перетворення константного тензора на Variable: можна ініціалізувати Variable, використовуючи різні методи створення тензорів, такі як tf.ones(), tf.linspace(), tf.random тощо. Просто передайте функцію або вже існуючий тензор у 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)

Завдання

Swipe to start coding

Ваше завдання — створити, змінити та конвертувати різні тензори у цьому завданні.

Частина 1 — Ініціалізація тензорів

Створіть тензор з ім'ям tensor_A розміром (3, 3), усі елементи якого дорівнюють 5.
Створіть змінний тензор з ім'ям tensor_B розміром (2, 3) з будь-якими значеннями на ваш вибір.
Створіть тензор з ім'ям tensor_C розміром (3, 3), заповнений нулями.
Створіть тензор з ім'ям tensor_D розміром (4, 4), заповнений одиницями.
Створіть тензор з ім'ям tensor_E, що містить 5 рівновіддалених значень між 3 та 15.
Створіть тензор з ім'ям tensor_F з випадковими значеннями та розміром (2, 2).

Частина 2 — Конвертації

Перетворіть NumPy-масив np_array у тензор TensorFlow з ім'ям tensor_from_array.
Перетворіть DataFrame df у тензор TensorFlow з ім'ям tensor_from_dataframe.

Примітка

Використовуйте найбільш відповідні функції TensorFlow (наприклад, tf.ones(), tf.zeros(), tf.fill() тощо).
Для конвертацій використовуйте tf.convert_to_tensor().
Для рівновіддалених тензорів використовуйте tf.linspace(start, stop, num).
Для випадкових тензорів використовуйте tf.random.normal(shape).

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 6

single

Створення Тензорів

Створення тензорів

Базові ініціалізатори тензорів

Перетворення між структурами даних

Частина 1 — Ініціалізація тензорів

Частина 2 — Конвертації

Рішення

Awesome!

Створення Тензорів

Створення тензорів

Базові ініціалізатори тензорів

Перетворення між структурами даних

Частина 1 — Ініціалізація тензорів

Частина 2 — Конвертації

Рішення