Tensorflow.js tf.Clase Tensor

Tensorflow.js es una biblioteca de código abierto desarrollada por Google para ejecutar modelos de aprendizaje automático y redes neuronales de aprendizaje profundo en el entorno del navegador o del Node.

Un objeto tf.Tensor representa una array inmutable y multidimensional de números que tiene una forma y un tipo de datos. Los tensores son la estructura de datos central de TensorFlow.js. Son una generalización de vectores y arrays a dimensiones potencialmente más altas.

Sintaxis:

Tensor(value);

Propiedades: Esta clase tiene las siguientes propiedades:

• rank: Define el número de dimensiones que contiene el tensor.
• forma: Define el tamaño de cada dimensión de los datos.
• dtype: Define el tipo de dato del tensor.

Valor devuelto: Devuelve un objeto Tensor con los valores proporcionados.

Los siguientes ejemplos demuestran la clase Tensor y sus diversos métodos.

Ejemplo 1: en este ejemplo, crearemos una clase Tensor y veremos el ejemplo del método print() . Este método se utiliza para imprimir la clase Tensor.

// Importing the tensorflow library
import * as tf from "@tensorflow/tfjs"
  
// Creating Tensor with values
let c = tf.tensor([1, 2, 3, 4])
  
// Using the print() method of Tensor class
c.print();

Producción:

Tensor
    [[1, 2],
     [3, 4]]

Ejemplo 2: En este ejemplo, veremos el método clone() de la clase Tensor. El método clone() se usa para copiar la clase Tensor existente.

// Importing tensorflow library
import * as tf from "@tensorflow/tfjs"
  
// Creating Tensor class with value and [4, 1] shape
const a = tf.tensor([1, 2, 3, 4],[4,1]);
  
// Using the clone() method on a Tensor
let b = a.clone();
  
// Printing the clone Tensor
b.print();

Producción: 

Tensor[[1],
       [2],
       [3],
       [4]]

Ejemplo 3: En este ejemplo, usamos el método toString() de la clase Tensor. Este método se utiliza para hacer que los datos de la clase Tensor tengan un formato legible por humanos.

// Importing tensorflow library
import * as tf from "@tensorflow/tfjs"
  
// Creating tensor 
const a = tf.tensor([1, 2, 3, 4]);
// Using toStirng() method in Tensor class
let b = a.toString(true);
console.log(b);

Ejemplo 4: En este ejemplo, veremos el método data() de la clase Tensor. Devuelve una Promesa que, en resolución, devuelve los valores del Tensor.

// Importing tensorflow library
import * as tf from "@tensorflow/tfjs"
  
// Creating tensor 
const a = tf.tensor([1, 2, 3, 4]);
  
// Using data method on Tensor class
let b = a.data();
  
b.then((x)=>console.log(x),
(b)=>console.log("Error while copying"));

Producción:

1, 2, 3, 4

Ejemplo 5: En este ejemplo, usaremos el método dataSync() de la clase Tensor. Este método copia los valores de la clase Tensor y los devuelve.

// Importing tensorflow library
import * as tf from "@tensorflow/tfjs"
  
// Creating tensor 
const a = tf.tensor([1, 2, 3, 4]);
  
// Using the dataSync() method
let b = a.dataSync();
console.log(b);

Producción:

1, 2, 3, 4

Ejemplo 6: En este ejemplo, usaremos el método buffer() de la clase Tensor. Devuelve la promesa de tf.TensorBuffer, que contiene los datos de los datos subyacentes.

// Importing tensorflow library 
import * as tf from "@tensorflow/tfjs"
  
// Creating tensor 
const a = tf.tensor([1, 2, 3, 4]);
  
// Using the buffer() method on Tensor class
let b = a.buffer();
  
// Printing result of Promise 
 b.then((x)=>console.log(x),
 (b)=>console.log("Error while copying") );

Producción: 

TensorBuffer {
    dtype:"float32",
    shape:(1) [4],
    size:4,
    values:1,2,3,4,
    strides:(0) [ ]
}

Ejemplo 7: En este ejemplo, usaremos el método bufferSync() . Devuelve un tf.TensorBuffer que contiene los datos subyacentes.

// Importing tensorflow library 
import * as tf from "@tensorflow/tfjs"
// Creating tensor 
const a = tf.tensor([1, 2, 3, 4]);
// Using bufferSync method on Tensor class
let b = a.bufferSync();
  
 console.log(b);

Producción: 

TensorBuffer {
dtype:"float32",
shape:(1) [4],
size:4,
values:1,2,3,4,
strides:(0) []
}

Ejemplo 8: En este ejemplo, usaremos el método array() de la clase Tensor. Devuelve la Promesa de los datos del tensor como una array anidada.

// Importing tensorflow library 
import * as tf from "@tensorflow/tfjs"
  
// Creating tensor 
const a = tf.tensor([1, 2, 3, 4]);
  
// Using the array() method on Tensor class
let b = a.array();
  
// Printing result of Promise
b.then((x)=>console.log(x),
(b)=>console.log("Error while copying"));

Producción:

[1, 2, 3, 4]

Ejemplo 9: En este ejemplo, usaremos el método arraySync() de la clase Tensor. Devuelve los datos de Tensor en forma anidada.

// Importing tensorflow library 
import * as tf from "@tensorflow/tfjs"
  
// Creating tensor 
const a = tf.tensor([1, 2, 3, 4]);
  
// Using the arraySync() method on Tensor class
let b = a.arraySync();
  
console.log(b);

Producción: 

[1, 2, 3, 4]

Ejemplo 10: En este ejemplo, usaremos el método dispose() de la clase Tensor. Elimina el tf.Tensor de la memoria.

// Importing tensorflow library 
import * as tf from "@tensorflow/tfjs"
  
// Creating tensor 
const b = tf.tensor([1, 2, 3, 4]);
  
// Using the dispose() method on Tensor class
b.dispose();
b.print();

Producción:

Tensor is disposed.