El Projecte | Sobre nosaltres | Contribuir | Donacions | Llicència
HOME Els meus cursos Finalitzats
◄ Anterior
◄

Conceptes bàsics de TensorFlow

Següent ►
►

En aquest tema, explorarem els conceptes fonamentals de TensorFlow que necessitaràs per començar a treballar amb aquesta potent biblioteca de machine learning. Aprendrem sobre els tensors, les operacions bàsiques, les variables i les constants, així com els gràfics computacionals.

Índex

  1. Tensors
  2. Operacions bàsiques amb tensors
  3. Variables i constants
  4. Gràfics computacionals
  5. Execució immediata

  1. Tensors

Els tensors són la unitat bàsica de dades a TensorFlow. Són estructures de dades que poden contenir una gran varietat de tipus de dades i dimensions.

Característiques dels tensors:

  • Escalars: Tensors de zero dimensions (un sol valor).
  • Vectors: Tensors d'una dimensió (una llista de valors).
  • Matrius: Tensors de dues dimensions (una taula de valors).
  • Tensors de dimensions superiors: Tensors amb tres o més dimensions.

Exemple de tensors:

import tensorflow as tf

# Escalar
escalar = tf.constant(3)
print(escalar)

# Vector
vector = tf.constant([1, 2, 3])
print(vector)

# Matriu
matriu = tf.constant([[1, 2], [3, 4]])
print(matriu)

# Tensor de dimensions superiors
tensor_3d = tf.constant([[[1, 2], [3, 4]], [[5, 6], [7, 8]]])
print(tensor_3d)

  1. Operacions bàsiques amb tensors

TensorFlow proporciona una àmplia gamma d'operacions matemàtiques que es poden realitzar amb tensors.

Exemple d'operacions bàsiques:

# Suma
a = tf.constant([1, 2, 3])
b = tf.constant([4, 5, 6])
suma = tf.add(a, b)
print(suma)

# Multiplicació
multiplicació = tf.multiply(a, b)
print(multiplicació)

# Matriu producte
matriu_a = tf.constant([[1, 2], [3, 4]])
matriu_b = tf.constant([[5, 6], [7, 8]])
producte = tf.matmul(matriu_a, matriu_b)
print(producte)

  1. Variables i constants

Les variables i les constants són dos tipus de tensors que tenen comportaments diferents.

Constants:

Les constants són tensors que no canvien el seu valor durant l'execució del programa.

Exemple de constants:

const = tf.constant([1, 2, 3])
print(const)

Variables:

Les variables són tensors que poden canviar el seu valor durant l'execució del programa.

Exemple de variables:

var = tf.Variable([1, 2, 3])
print(var)

# Modificant el valor de la variable
var.assign([4, 5, 6])
print(var)

  1. Gràfics computacionals

TensorFlow utilitza gràfics computacionals per representar les operacions matemàtiques. Un gràfic computacional és una xarxa de nodes, on cada node representa una operació o un tensor.

Exemple de creació d'un gràfic:

# Definint el gràfic
a = tf.constant(2)
b = tf.constant(3)
c = tf.add(a, b)

# Executant el gràfic
print(c)

  1. Execució immediata

L'execució immediata (Eager Execution) és una manera d'executar operacions en TensorFlow de manera immediata, sense necessitat de construir un gràfic computacional.

Exemple d'execució immediata:

# Activant l'execució immediata
tf.config.run_functions_eagerly(True)

# Operacions immediates
a = tf.constant(2)
b = tf.constant(3)
c = a + b
print(c)

Resum

En aquest tema, hem après els conceptes bàsics de TensorFlow, incloent-hi els tensors, les operacions bàsiques, les variables i les constants, els gràfics computacionals i l'execució immediata. Aquests conceptes són fonamentals per treballar amb TensorFlow i construir models de machine learning. En el següent tema, aprofundirem en els tensors i les operacions que es poden realitzar amb ells.

◄ Anterior
◄
Següent ►
►
El Projecte | Sobre nosaltres | Contribuir | Donacions | Llicència
© Copyright 2024. Tots els drets reservats