Notice: This page requires JavaScript to function properly.
Please enable JavaScript in your browser settings or update your browser.Oppiskele Tietotyypit | Tensorit
Johdanto TensorFlow'hun

Tietotyypit

Datan tyypit

Tässä osiossa tutustutaan datan tyyppeihin TensorFlow'ssa. Samoin kuin ohjelmointikielet luokittelevat numerot ja tekstin tyyppeihin, kuten kokonaisluvut, liukuluvut tai merkkijonot, TensorFlow'n tensorit sisältävät myös omat erityiset tyyppinsä.

Saatavilla olevat datatyypit TensorFlow'ssa

TensorFlow tukee laajaa valikoimaa datatyyppejä erilaisiin tietoihin ja operaatioihin. Yleisimmin käytettyjä tyyppejä ovat:

  • tf.float16, tf.float32, tf.float64: liukulukuja, joissa desimaaliosalla on merkitystä. Nimiin sisältyvä numero (esim. 16 kohdassa tf.float16) kertoo bittien määrän. tf.float32 on yleisesti käytetty, koska se tarjoaa hyvän tasapainon tarkkuuden ja laskentanopeuden välillä;

  • tf.int8, tf.int16, tf.int32, tf.int64: kokonaislukutyyppejä, eli lukuja ilman desimaalipistettä. Voi olla sekä positiivisia että negatiivisia;

  • tf.uint8, tf.uint16, tf.uint32, tf.uint64: 'u' tarkoittaa 'unsigned' eli nämä kokonaisluvut ovat aina epänegatiivisia;

  • tf.bool: edustaa totuusarvoja (True tai False);

  • tf.string: tekstimuotoinen data.

Note
Huomio

Kokonaislukutyypeissä suurempi numero nimessä tarkoittaa vain laajempaa arvoaluetta, jonka se voi tallentaa. Liukuluvuille suurempi numero nimessä viittaa myös parempaan laskennalliseen tarkkuuteen.

TensorFlowissa on saatavilla useampia tietotyyppejä, mutta aloittelijoille on tärkeää tutustua ensin näihin perustyyppeihin. Kattavan listan TensorFlowin tukemista tietotyypeistä löydät tältä sivulta TensorFlow-dokumentaatiosta.

Tietotyypin asettaminen tensorin luomisen yhteydessä

Kun alustat tensorin, voit määrittää sen tyypin käyttämällä dtype-argumenttia:


              
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)
Note
Huomio

Monet tensorin luontitoiminnot käyttävät tätä lähestymistapaa. Tämä pätee esimerkiksi metodeihin kuten tf.Variable(), tf.zeros(), tf.ones(), tf.random.normal(), tf.random.uniform() sekä myös tf.convert_to_tensor().

Tietotyyppien muuntaminen

Entä jos käyttämäsi funktio ei salli tietotyypin suoraa määrittelyä? Tai ehkä sinulla on jo tietyn tyyppinen tensori ja tarvitset sen muuttamista. Näissä tapauksissa tensorit täytyy muuntaa yhdestä tietotyypistä toiseen. Tämä on erityisen tärkeää, koska tietyt neuroverkkotoiminnot tai -kerrokset vaativat usein syötteitä tietyssä muodossa, pääasiassa liukulukuina.

Tähän voidaan käyttää tf.cast()-funktiota:


              
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)

Muista, että muunnettaessa liukulukutyypistä kokonaislukutyyppiin TensorFlow suorittaa lattiaoperaation, eli desimaaliosa jätetään pois. Esimerkiksi 3.8 muuttuu 3:ksi ja -1.2 muuttuu -1:ksi.

Note
Huomio

Ole varovainen vaihtaessasi tietotyyppejä, erityisesti kun siirryt vähemmän tarkkaan tyyppiin. Tietoa saattaa kadota prosessin aikana.

Oliko kaikki selvää?

Miten voimme parantaa sitä?

Kiitos palautteestasi!

Osio 1. Luku 7
single

single

Tietotyypit

Pyyhkäise näyttääksesi valikon

Datan tyypit

Tässä osiossa tutustutaan datan tyyppeihin TensorFlow'ssa. Samoin kuin ohjelmointikielet luokittelevat numerot ja tekstin tyyppeihin, kuten kokonaisluvut, liukuluvut tai merkkijonot, TensorFlow'n tensorit sisältävät myös omat erityiset tyyppinsä.

Saatavilla olevat datatyypit TensorFlow'ssa

TensorFlow tukee laajaa valikoimaa datatyyppejä erilaisiin tietoihin ja operaatioihin. Yleisimmin käytettyjä tyyppejä ovat:

  • tf.float16, tf.float32, tf.float64: liukulukuja, joissa desimaaliosalla on merkitystä. Nimiin sisältyvä numero (esim. 16 kohdassa tf.float16) kertoo bittien määrän. tf.float32 on yleisesti käytetty, koska se tarjoaa hyvän tasapainon tarkkuuden ja laskentanopeuden välillä;

  • tf.int8, tf.int16, tf.int32, tf.int64: kokonaislukutyyppejä, eli lukuja ilman desimaalipistettä. Voi olla sekä positiivisia että negatiivisia;

  • tf.uint8, tf.uint16, tf.uint32, tf.uint64: 'u' tarkoittaa 'unsigned' eli nämä kokonaisluvut ovat aina epänegatiivisia;

  • tf.bool: edustaa totuusarvoja (True tai False);

  • tf.string: tekstimuotoinen data.

Note
Huomio

Kokonaislukutyypeissä suurempi numero nimessä tarkoittaa vain laajempaa arvoaluetta, jonka se voi tallentaa. Liukuluvuille suurempi numero nimessä viittaa myös parempaan laskennalliseen tarkkuuteen.

TensorFlowissa on saatavilla useampia tietotyyppejä, mutta aloittelijoille on tärkeää tutustua ensin näihin perustyyppeihin. Kattavan listan TensorFlowin tukemista tietotyypeistä löydät tältä sivulta TensorFlow-dokumentaatiosta.

Tietotyypin asettaminen tensorin luomisen yhteydessä

Kun alustat tensorin, voit määrittää sen tyypin käyttämällä dtype-argumenttia:


              
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)
Note
Huomio

Monet tensorin luontitoiminnot käyttävät tätä lähestymistapaa. Tämä pätee esimerkiksi metodeihin kuten tf.Variable(), tf.zeros(), tf.ones(), tf.random.normal(), tf.random.uniform() sekä myös tf.convert_to_tensor().

Tietotyyppien muuntaminen

Entä jos käyttämäsi funktio ei salli tietotyypin suoraa määrittelyä? Tai ehkä sinulla on jo tietyn tyyppinen tensori ja tarvitset sen muuttamista. Näissä tapauksissa tensorit täytyy muuntaa yhdestä tietotyypistä toiseen. Tämä on erityisen tärkeää, koska tietyt neuroverkkotoiminnot tai -kerrokset vaativat usein syötteitä tietyssä muodossa, pääasiassa liukulukuina.

Tähän voidaan käyttää tf.cast()-funktiota:


              
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)

Muista, että muunnettaessa liukulukutyypistä kokonaislukutyyppiin TensorFlow suorittaa lattiaoperaation, eli desimaaliosa jätetään pois. Esimerkiksi 3.8 muuttuu 3:ksi ja -1.2 muuttuu -1:ksi.

Note
Huomio

Ole varovainen vaihtaessasi tietotyyppejä, erityisesti kun siirryt vähemmän tarkkaan tyyppiin. Tietoa saattaa kadota prosessin aikana.

Tehtävä

Pyyhkäise aloittaaksesi koodauksen

Tehtävänäsi on luoda tietyn tietotyypin tensori ja muuntaa se toiseen tietotyyppiin.

  1. Luo tensori nimeltä initial_tensor, jonka muoto on (3, 3) ja jonka arvot ovat normaalijakautuneita. Varmista, että tämän tensorin tietotyyppi on 64-bittinen liukuluku.
  2. Muunna initial_tensor tensoriksi nimeltä converted_tensor, jonka tietotyyppi on 16-bittinen liukuluku.

Ratkaisu

Switch to desktopVaihda työpöytään todellista harjoitusta vartenJatka siitä, missä olet käyttämällä jotakin alla olevista vaihtoehdoista
Oliko kaikki selvää?

Miten voimme parantaa sitä?

Kiitos palautteestasi!

Osio 1. Luku 7
single

single

Kysy tekoälyä

expand

Kysy tekoälyä

ChatGPT

Kysy mitä tahansa tai kokeile jotakin ehdotetuista kysymyksistä aloittaaksesi keskustelumme

some-alt