Aprendizaje automático práctico con Scikit-Learn, Keras y TensorFlow, 3ª edición

Apéndice C. Estructuras de datos especiales

En este apéndice echaremos un vistazo muy rápido a las estructuras de datos soportadas por TensorFlow, más allá de los tensores regulares de flotadores o enteros. Esto incluye cadenas, tensores irregulares, tensores dispersos, matrices tensoriales, conjuntos y colas.

Cuerdas

Los tensores pueden contener cadenas de bytes, , lo que resulta útil sobre todo para el procesamiento del lenguaje natural (véase el Capítulo 16):

>>> tf.constant(b"hello world")
<tf.Tensor: shape=(), dtype=string, numpy=b'hello world'>

Si intentas construir un tensor con una cadena Unicode, TensorFlow la codifica automáticamente a UTF-8:

>>> tf.constant("café")
<tf.Tensor: shape=(), dtype=string, numpy=b'caf\xc3\xa9'>

También es posible crear tensores que representen cadenas Unicode. Sólo tienes que crear una matriz de enteros de 32 bits, cada uno de los cuales representará un único punto de código Unicode.¹

>>> u = tf.constant([ord(c) for c in "café"])
>>> u
<tf.Tensor: shape=(4,), [...], numpy=array([ 99,  97, 102, 233], dtype=int32)>

Nota

En los tensores del tipo tf.string, la longitud de la cadena no forma parte de la forma del tensor. En otras palabras, las cadenas se consideran valores atómicos. Sin embargo, en un tensor de cadenas Unicode (es decir, un tensor int32), la longitud de la cadena forma parte de la forma del tensor.

El paquete tf.strings contiene varias funciones para manipular tensores de cadena, como length() para contar el número de bytes de ...