Tensoren aanmaken

Deze les richt zich op het aanmaken van tensoren met TensorFlow. TensorFlow biedt diverse methoden om tensoren te initialiseren. Aan het einde van deze les ben je vaardig in het genereren van tensoren voor uiteenlopende toepassingen.

Basis Tensor Initializers

tf.constant(): dit is de eenvoudigste manier om een tensor aan te maken. Zoals de naam aangeeft, bevatten tensoren die met deze methode zijn geïnitialiseerd constante waarden en zijn ze onveranderlijk;


              12345
            
import tensorflow as tf

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

tf.Variable(): in tegenstelling tot tf.constant() is een tensor gedefinieerd met tf.Variable() veranderlijk. Dit betekent dat de waarde aangepast kan worden, waardoor het geschikt is voor bijvoorbeeld trainbare parameters in modellen;


              12345
            
import tensorflow as tf

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

tf.zeros(): maak een tensor gevuld met nullen;


              12345
            
import tensorflow as tf

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

tf.ones(): hiermee wordt een tensor gevuld met enen aangemaakt;


              12345
            
import tensorflow as tf

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

tf.fill(): maakt een tensor gevuld met een specifieke waarde;


              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() en tf.range(): ideaal voor het creëren van reeksen;


              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: genereert tensors met willekeurige waarden. Verschillende verdelingen en functies zijn beschikbaar binnen deze module, zoals tf.random.normal() voor waarden uit een normale verdeling, en tf.random.uniform() voor waarden uit een uniforme verdeling.

Opmerking

U kunt ook een vaste seed instellen om consistente resultaten bij elke willekeurige getalgeneratie te verkrijgen met tf.random.set_seed(). Houd er echter rekening mee dat u hierdoor hetzelfde getal ontvangt voor elke willekeurige generatie binnen TensorFlow.

Als u consistente getallen alleen voor een specifieke opdracht wilt bereiken, kunt u een seed-argument aan die opdracht meegeven met de gewenste seedwaarde.


              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)

Converteren tussen datastructuren

TensorFlow-tensors kunnen eenvoudig worden geconverteerd naar en van bekende Python-datastructuren.

Van Numpy-arrays: TensorFlow-tensors en Numpy-arrays zijn goed uitwisselbaar. Gebruik 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)

Vanuit Pandas DataFrames: voor degenen die graag data-analyse uitvoeren met Pandas, is het omzetten van een DataFrame of een Series naar een TensorFlow-tensor eenvoudig. Gebruik hiervoor ook 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)

Opmerking

Zorg er altijd voor dat de datatypes van uw oorspronkelijke structuren (Numpy-arrays of Pandas DataFrames) compatibel zijn met de TensorFlow-tensor datatypes. Indien er een verschil is, overweeg dan typecasting.

Een constante tensor omzetten naar een Variable: je kunt een Variable initialiseren met verschillende tensor-creatiemethoden zoals tf.ones(), tf.linspace(), tf.random en dergelijke. Geef eenvoudigweg de functie of de reeds bestaande tensor door aan 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)

Om beter te worden in het creëren van tensors, oefen met verschillende vormen en waarden. Raadpleeg voor meer details over specifieke commando's de officiële TensorFlow-documentatie. Hier vind je alle informatie die je nodig hebt over elk commando of module in de bibliotheek.

Taak

Swipe to start coding

Uw taak is om verschillende tensors te creëren, te wijzigen en te converteren met TensorFlow.

Deel 1 — Tensor-initialisatie

Maak een tensor genaamd tensor_A met vorm (3, 3) en alle elementen gelijk aan 5.
Maak een mutabele tensor genaamd tensor_B met vorm (2, 3) en willekeurige waarden naar keuze.
Maak een tensor genaamd tensor_C met vorm (3, 3) gevuld met nullen.
Maak een tensor genaamd tensor_D met vorm (4, 4) gevuld met enen.
Maak een tensor genaamd tensor_E met 5 lineair verdeelde waarden tussen 3 en 15.
Maak een tensor genaamd tensor_F met willekeurige waarden en vorm (2, 2).

Deel 2 — Conversies

Converteer de NumPy-array np_array naar een TensorFlow-tensor genaamd tensor_from_array.
Converteer de DataFrame df naar een TensorFlow-tensor genaamd tensor_from_dataframe.

Opmerking

Gebruik de meest geschikte TensorFlow-functies voor elke bewerking:
tf.fill() voor tensors met een enkele herhaalde waarde;
tf.Variable() voor mutabele tensors;
tf.zeros() / tf.ones() voor met nullen of enen gevulde tensors;
tf.linspace() voor lineair verdeelde tensors;
tf.random.normal() voor willekeurige tensors;
Gebruik tf.convert_to_tensor() voor conversies van NumPy-arrays of pandas DataFrames;
Vermijd het gebruik van tf.constant() — gebruik in plaats daarvan de meer specifieke bovengenoemde functies.

Oplossing

Was alles duidelijk?

Bedankt voor je feedback!

Sectie 1. Hoofdstuk 6

single

Vraag AI

Vraag wat u wilt of probeer een van de voorgestelde vragen om onze chat te starten.

Suggested prompts:

Can you explain the difference between tf.constant() and tf.Variable() in more detail?

How do I choose which tensor initializer to use for my application?

Can you show more examples of creating tensors with different shapes or values?

Awesome!

Completion rate improved to 5.56

Veeg om het menu te tonen

Tensoren aanmaken

Basis Tensor Initializers

tf.constant(): dit is de eenvoudigste manier om een tensor aan te maken. Zoals de naam aangeeft, bevatten tensoren die met deze methode zijn geïnitialiseerd constante waarden en zijn ze onveranderlijk;


              12345
            
import tensorflow as tf

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

tf.Variable(): in tegenstelling tot tf.constant() is een tensor gedefinieerd met tf.Variable() veranderlijk. Dit betekent dat de waarde aangepast kan worden, waardoor het geschikt is voor bijvoorbeeld trainbare parameters in modellen;


              12345
            
import tensorflow as tf

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

tf.zeros(): maak een tensor gevuld met nullen;


              12345
            
import tensorflow as tf

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

tf.ones(): hiermee wordt een tensor gevuld met enen aangemaakt;


              12345
            
import tensorflow as tf

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

tf.fill(): maakt een tensor gevuld met een specifieke waarde;


              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() en tf.range(): ideaal voor het creëren van reeksen;


              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: genereert tensors met willekeurige waarden. Verschillende verdelingen en functies zijn beschikbaar binnen deze module, zoals tf.random.normal() voor waarden uit een normale verdeling, en tf.random.uniform() voor waarden uit een uniforme verdeling.

Opmerking

Als u consistente getallen alleen voor een specifieke opdracht wilt bereiken, kunt u een seed-argument aan die opdracht meegeven met de gewenste seedwaarde.


              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)

Converteren tussen datastructuren

TensorFlow-tensors kunnen eenvoudig worden geconverteerd naar en van bekende Python-datastructuren.

Van Numpy-arrays: TensorFlow-tensors en Numpy-arrays zijn goed uitwisselbaar. Gebruik 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)

Vanuit Pandas DataFrames: voor degenen die graag data-analyse uitvoeren met Pandas, is het omzetten van een DataFrame of een Series naar een TensorFlow-tensor eenvoudig. Gebruik hiervoor ook 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)

Opmerking

Een constante tensor omzetten naar een Variable: je kunt een Variable initialiseren met verschillende tensor-creatiemethoden zoals tf.ones(), tf.linspace(), tf.random en dergelijke. Geef eenvoudigweg de functie of de reeds bestaande tensor door aan 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)

Taak

Swipe to start coding

Uw taak is om verschillende tensors te creëren, te wijzigen en te converteren met TensorFlow.

Deel 1 — Tensor-initialisatie

Maak een tensor genaamd tensor_A met vorm (3, 3) en alle elementen gelijk aan 5.
Maak een mutabele tensor genaamd tensor_B met vorm (2, 3) en willekeurige waarden naar keuze.
Maak een tensor genaamd tensor_C met vorm (3, 3) gevuld met nullen.
Maak een tensor genaamd tensor_D met vorm (4, 4) gevuld met enen.
Maak een tensor genaamd tensor_E met 5 lineair verdeelde waarden tussen 3 en 15.
Maak een tensor genaamd tensor_F met willekeurige waarden en vorm (2, 2).

Deel 2 — Conversies

Converteer de NumPy-array np_array naar een TensorFlow-tensor genaamd tensor_from_array.
Converteer de DataFrame df naar een TensorFlow-tensor genaamd tensor_from_dataframe.

Opmerking

Gebruik de meest geschikte TensorFlow-functies voor elke bewerking:
tf.fill() voor tensors met een enkele herhaalde waarde;
tf.Variable() voor mutabele tensors;
tf.zeros() / tf.ones() voor met nullen of enen gevulde tensors;
tf.linspace() voor lineair verdeelde tensors;
tf.random.normal() voor willekeurige tensors;
Gebruik tf.convert_to_tensor() voor conversies van NumPy-arrays of pandas DataFrames;
Vermijd het gebruik van tf.constant() — gebruik in plaats daarvan de meer specifieke bovengenoemde functies.

Oplossing

Schakel over naar desktop voor praktijkervaringGa verder vanaf waar je bent met een van de onderstaande opties

Was alles duidelijk?

Bedankt voor je feedback!

Sectie 1. Hoofdstuk 6

single

Tensoren Aanmaken

Tensoren aanmaken

Basis Tensor Initializers

Converteren tussen datastructuren

Deel 1 — Tensor-initialisatie

Deel 2 — Conversies

Opmerking

Oplossing

Awesome!

Tensoren Aanmaken

Tensoren aanmaken

Basis Tensor Initializers

Converteren tussen datastructuren

Deel 1 — Tensor-initialisatie

Deel 2 — Conversies

Opmerking

Oplossing