Вивчайте Типи Даних

Секція 1. Розділ 7

single

Свайпніть щоб показати меню

Доступні типи даних у TensorFlow

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

tf.float16, tf.float32, tf.float64: це числа з плаваючою комою, де важливі цифри після крапки. Число в назві (наприклад, 16 у tf.float16) вказує на кількість бітів, які використовуються. tf.float32 часто використовується, оскільки забезпечує оптимальний баланс між точністю та швидкістю обчислень;
tf.int8, tf.int16, tf.int32, tf.int64: це 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' (без знаку), 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 цими основними типами. Для повного списку типів даних, які підтримує TensorFlow, перегляньте цю сторінку у документації TensorFlow.

Встановлення типу даних під час створення 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 методах, таких 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 змінити його тип. У таких випадках необхідно трансформувати 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)

Зверніть увагу: при перетворенні з типу з плаваючою комою у цілочисельний тип TensorFlow виконує операцію підлоги, тобто відкидає дробову частину. Наприклад, 3.8 стає 3, а -1.2 стає -1.

Примітка

Будьте обережні при зміні типів даних, особливо якщо переходите до типу з меншою точністю. Можлива втрата інформації під час цього процесу.

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 розміром (3, 3) з нормально розподіленими значеннями. Переконайтеся, що цей тензор має тип даних 64-розрядні числа з плаваючою комою.
Перетворіть initial_tensor на тензор з назвою converted_tensor з типом даних 16-розрядні числа 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

Запитати АІ

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