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

Gràfics de TensorFlow

Següent ►
►

En aquest tema, explorarem els gràfics de TensorFlow, una de les característiques fonamentals que permeten a TensorFlow optimitzar i executar operacions de manera eficient. Els gràfics de TensorFlow són representacions abstractes de les operacions matemàtiques que es realitzen en les dades. Aquests gràfics permeten a TensorFlow optimitzar l'execució de les operacions i distribuir-les en diferents dispositius, com CPU, GPU o TPU.

Continguts

  1. Què és un gràfic de TensorFlow?
  2. Creació d'un gràfic
  3. Execució d'un gràfic
  4. Avantatges dels gràfics de TensorFlow
  5. Exemple pràctic
  6. Exercicis pràctics

Què és un gràfic de TensorFlow?

Un gràfic de TensorFlow és una estructura de dades que conté una descripció de les operacions que es realitzaran sobre les dades. Aquestes operacions es representen com a nodes en el gràfic, mentre que les dades que flueixen entre aquestes operacions es representen com a arestes.

Conceptes clau

  • Node: Representa una operació matemàtica.
  • Aresta: Representa el flux de dades entre operacions.
  • Gràfic: Una col·lecció de nodes i arestes que defineixen un càlcul.

Creació d'un gràfic

Per crear un gràfic en TensorFlow, utilitzem l'API de TensorFlow per definir les operacions i les relacions entre elles. Aquí teniu un exemple bàsic de com crear un gràfic:

import tensorflow as tf

# Crear un nou gràfic
graph = tf.Graph()

with graph.as_default():
    # Definir les operacions dins del gràfic
    a = tf.constant(5, name="a")
    b = tf.constant(3, name="b")
    c = tf.add(a, b, name="add")

# El gràfic conté les operacions definides
print(graph.as_graph_def())

Explicació del codi

  1. Importació de TensorFlow: Importem la llibreria de TensorFlow.
  2. Creació del gràfic: Utilitzem tf.Graph() per crear un nou gràfic.
  3. Definició de les operacions: Utilitzem tf.constant per crear constants i tf.add per sumar-les.
  4. Visualització del gràfic: Utilitzem graph.as_graph_def() per veure la definició del gràfic.

Execució d'un gràfic

Per executar un gràfic, utilitzem una sessió de TensorFlow (tf.Session). Aquí teniu un exemple de com executar el gràfic creat anteriorment:

with tf.Session(graph=graph) as sess:
    result = sess.run(c)
    print("Resultat de la suma: ", result)

Explicació del codi

  1. Creació de la sessió: Utilitzem tf.Session(graph=graph) per crear una sessió que utilitza el gràfic definit.
  2. Execució del gràfic: Utilitzem sess.run(c) per executar el gràfic i obtenir el resultat de la suma.
  3. Impressió del resultat: Imprimim el resultat de la suma.

Avantatges dels gràfics de TensorFlow

  • Optimització: TensorFlow pot optimitzar l'execució de les operacions en el gràfic.
  • Distribució: Els gràfics permeten distribuir les operacions en diferents dispositius.
  • Portabilitat: Els gràfics es poden desar i carregar per a la seva execució en diferents entorns.

Exemple pràctic

A continuació, es mostra un exemple pràctic de com crear i executar un gràfic més complex que inclou múltiples operacions:

import tensorflow as tf

# Crear un nou gràfic
graph = tf.Graph()

with graph.as_default():
    # Definir les operacions dins del gràfic
    a = tf.constant(5, name="a")
    b = tf.constant(3, name="b")
    c = tf.multiply(a, b, name="multiply")
    d = tf.add(a, b, name="add")
    e = tf.subtract(c, d, name="subtract")

# Executar el gràfic
with tf.Session(graph=graph) as sess:
    result = sess.run(e)
    print("Resultat de l'operació: ", result)

Explicació del codi

  1. Definició de constants: Creem constants a i b.
  2. Definició d'operacions: Definim operacions de multiplicació, suma i resta.
  3. Execució del gràfic: Executem el gràfic i obtenim el resultat de l'operació de resta.

Exercicis pràctics

Exercici 1

Crea un gràfic que calculi la següent expressió: (a + b) * (c - d), on a = 2, b = 3, c = 10 i d = 4.

Solució

import tensorflow as tf

# Crear un nou gràfic
graph = tf.Graph()

with graph.as_default():
    # Definir les constants
    a = tf.constant(2, name="a")
    b = tf.constant(3, name="b")
    c = tf.constant(10, name="c")
    d = tf.constant(4, name="d")
    
    # Definir les operacions
    add = tf.add(a, b, name="add")
    subtract = tf.subtract(c, d, name="subtract")
    multiply = tf.multiply(add, subtract, name="multiply")

# Executar el gràfic
with tf.Session(graph=graph) as sess:
    result = sess.run(multiply)
    print("Resultat de l'expressió: ", result)

Exercici 2

Crea un gràfic que calculi la mitjana de tres nombres a, b i c, on a = 4, b = 8 i c = 12.

Solució

import tensorflow as tf

# Crear un nou gràfic
graph = tf.Graph()

with graph.as_default():
    # Definir les constants
    a = tf.constant(4, name="a")
    b = tf.constant(8, name="b")
    c = tf.constant(12, name="c")
    
    # Definir les operacions
    sum = tf.add_n([a, b, c], name="sum")
    count = tf.constant(3, name="count")
    average = tf.divide(sum, count, name="average")

# Executar el gràfic
with tf.Session(graph=graph) as sess:
    result = sess.run(average)
    print("Mitjana dels nombres: ", result)

Conclusió

En aquesta secció, hem après què són els gràfics de TensorFlow, com crear-los i executar-los, i quins avantatges ofereixen. Els gràfics són una eina poderosa que permet a TensorFlow optimitzar i distribuir les operacions de manera eficient. Amb els exemples i exercicis pràctics, hauríeu de tenir una comprensió sòlida de com treballar amb gràfics en TensorFlow. En la següent secció, explorarem l'execució immediata, una altra característica important de TensorFlow.

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