Tensors
Fondamental : Principale fonctionalités
La librairie TensorFlow est une librairie opensource pour l'apprentissage automatique
Tensors dans tensorFlow
TensorFlow manipule des tenseurs. Un tenseur dans TensorFlow est un ensemble de primitives contenu dans un tableau de n'importe quelle dimension. Ils sont similaires aux objets ndarray de NumPy et possèdent donc un type et une taille (shape).
print(tf.add(4, 2))
print(tf.add([1, 2], [3, 4]))
print(tf.square(5))
print(tf.reduce_sum([6, 7, 8]))
Lorsque deux tenseurs sont additionnés, le résultat est un tenseur :
print(tf.square(5) + tf.add(4, 2))
Un tenseur peut être un nombre, un vecteur ligne ou colonne (tableau à une dimension) , une matrice (tableau à deux dimensions), ou un cube (tableau de nombre s correspondant à un empilement de matrices)...
Notion de rang dans TensorFlow
Le rang est le nombre de dimension du tenseur :
Le nombre 3 est de rang 0
\(\begin{bmatrix}1\\2\end{bmatrix}\)vecteur colonne est de rang 1
\(\begin{bmatrix}1 & 3 \\2 & 5\end{bmatrix}\)vecteur ligne est de rang 2
...
Exemple : Tenseur de rang 2
Une image en niveaux de gris est un tableau (deux dimensions)de nombres donc un tenseur de rang 2.
Exemple : Tenseur de rang 3
Une image couleur est un tableau (deux dimensions)de nombres pour chaque composante couleur. On a un empilement de tableau donc un tenseur de rang 3.
Exemple : Tenseur de rang 4
Une vidéo en couleur d'une scène est une succession d'image couleur donc un tenseur de rang 4.