Intro to TensorFlow B - TensorFlow 2.0 Course

Summary

このビデオでは、TensorFlowにおけるテンソルの概念と、テンソルの形状やランクの理解について解説しています。テンソルは、ベクトルや行列の拡張で、異なる次元のデータを格納できます。さまざまなテンソルの型やその操作方法、形状変更の方法についても触れ、実際にTensorFlowでどのようにテンソルを扱うかを実演しています。これにより、TensorFlowの基礎的な操作をしっかりと理解できるようになります。

Takeaways

• 😀 テンソルは、ベクトルを一般化したもので、複数の次元を持つデータ構造です。
• 😀 テンソルは、TensorFlowにおける主要なオブジェクトであり、プログラム内で操作、表示される中心的な要素です。
• 😀 ベクトルは、次元数が異なるデータポイントを格納するもので、次元が1の場合はスカラー、2次元ならベクトル、3次元なら行列となります。
• 😀 テンソルのランク（次数）は、テンソルが持つ次元の数を表し、ランク0はスカラー、ランク1はベクトル、ランク2は行列です。
• 😀 テンソルのデータ型には、整数や浮動小数点、文字列などがあり、最も一般的には数値型が使用されます。
• 😀 テンソルの形状（シェイプ）は、各次元における要素の数を表し、例えば「2, 3」の形状は2つのリストがあり、それぞれ3つの要素を持つことを意味します。
• 😀 テンソルはリストやリストのネスト（入れ子）で表現され、ネストの深さに応じてランクを判定できます。
• 😀 形状の変更（リシェイプ）は、テンソル内の要素数を変更せずに、異なる形状に変換するために使用されます。
• 😀 `TF.reshape`を使うことで、テンソルを新しい形状にリシェイプできます。例えば、-1を使って次元を推測させることができます。
• 😀 定数テンソルと変数テンソルには違いがあり、定数テンソルは不変（変更不可）で、変数テンソルは実行中に値が変更可能です。
• 😀 テンソルの評価は、セッションを用いて行い、`eval()`メソッドで計算を実行して結果を得ることができます。