Praxiseinstieg Machine Learning mit Scikit-Learn, Keras und TensorFlow, 2nd Edition

ANHANG F

Spezielle Datenstrukturen

In diesem Anhang wollen wir uns kurz die über normale Float- oder Integer-Tensoren hinausgehenden Datenstrukturen anschauen, die von TensorFlow unterstützt werden. Dazu gehören Strings, Ragged-Tensoren, Sparse-Tensoren, Tensor-Arrays, Sets und Queues.

Strings

Tensoren können Bytestrings enthalten, was besonders für die Verarbeitung natürlicher Sprache nützlich ist (siehe Kapitel 16):

>>> tf.constant(b"hello world")

<tf.Tensor: id=149, shape=(), dtype=string, numpy=b'Hallo Welt'>

Versuchen Sie, einen Tensor mit einem Unicodestring zu erstellen, konvertiert TensorFlow ihn automatisch nach UTF-8:

>>> tf.constant("café")

<tf.Tensor: id=138, shape=(), dtype=string, numpy=b'caf\xc3\xa9'>

Es ist auch möglich, Tensoren ...