No tienes acceso a esta clase

隆Contin煤a aprendiendo! 脷nete y comienza a potenciar tu carrera

Dimensiones, tensores y reshape

13/29
Recursos

Aportes 13

Preguntas 2

Ordenar por:

驴Quieres ver m谩s aportes, preguntas y respuestas de la comunidad?

o inicia sesi贸n.

Transpose Matrix

En una clase anterior para ejemplificar c贸mo se estructuran los tensores, el profesor dibuj贸 una imagen tomando en cuenta el c贸digo de colores RGB.

Para practicar, hice un tensor que conten铆a un pixelart de la bandera de mi pa铆s 馃槃

Adjunto evidencia

El c贸digo:

G=[0,68,47]
R=[200,12,29]
W=[255,255,255]
B=[133,59,22]
LG=[101,108,38]
LB=[7,122,125]
O=[249,162,69]

tensorMexico=np.array([
    [G,G,G,G,G,G,G,G,G,W,W,W,W,W,W,W,W,W,R,R,R,R,R,R,R,R,R],
    [G,G,G,G,G,G,G,G,G,W,W,W,W,W,W,W,W,W,R,R,R,R,R,R,R,R,R],
    [G,G,G,G,G,G,G,G,G,W,W,W,W,W,W,W,W,W,R,R,R,R,R,R,R,R,R],
    [G,G,G,G,G,G,G,G,G,W,W,W,W,W,W,W,W,W,R,R,R,R,R,R,R,R,R],
    [G,G,G,G,G,G,G,G,G,W,W,W,W,B,W,W,W,W,R,R,R,R,R,R,R,R,R],
    [G,G,G,G,G,G,G,G,G,W,W,W,W,W,B,W,W,W,R,R,R,R,R,R,R,R,R],
    [G,G,G,G,G,G,G,G,G,W,LG,B,B,W,B,B,W,W,R,R,R,R,R,R,R,R,R],
    [G,G,G,G,G,G,G,G,G,W,W,LG,B,B,B,B,B,W,R,R,R,R,R,R,R,R,R],
    [G,G,G,G,G,G,G,G,G,W,W,LG,W,B,B,B,B,W,R,R,R,R,R,R,R,R,R],
    [G,G,G,G,G,G,G,G,G,W,W,W,B,B,B,B,W,W,R,R,R,R,R,R,R,R,R],
    [G,G,G,G,G,G,G,G,G,W,LG,R,W,B,B,R,LG,W,R,R,R,R,R,R,R,R,R],
    [G,G,G,G,G,G,G,G,G,W,LG,W,G,R,G,W,LG,W,R,R,R,R,R,R,R,R,R],
    [G,G,G,G,G,G,G,G,G,W,W,LG,LB,O,LB,LG,W,W,R,R,R,R,R,R,R,R,R],
    [G,G,G,G,G,G,G,G,G,W,W,W,LG,LG,LG,W,W,W,R,R,R,R,R,R,R,R,R],
    [G,G,G,G,G,G,G,G,G,W,W,W,W,W,W,W,W,W,R,R,R,R,R,R,R,R,R],
    [G,G,G,G,G,G,G,G,G,W,W,W,W,W,W,W,W,W,R,R,R,R,R,R,R,R,R],
    [G,G,G,G,G,G,G,G,G,W,W,W,W,W,W,W,W,W,R,R,R,R,R,R,R,R,R],
    [G,G,G,G,G,G,G,G,G,W,W,W,W,W,W,W,W,W,R,R,R,R,R,R,R,R,R],
])

Para graficarlo:

%matplotlib inline

import matplotlib.pyplot as plt

plt.imshow(tensorMexico, interpolation='nearest')
plt.show()
  • Escalar: n煤mero simple. Tensor de orden 0.
  • Vector: es un arreglo ordenado de n煤meros. Tensor de orden 1.
  • Matriz: es un vector rectangular, dos dimensiones. Tensor de orden 2.
  • Tensor: es una identidad matem谩tica que relaciona conjuntos de objetos en diferentes dimensiones.

Algo que mensionar es que:

x.reshape(2,4)

es diferente de

np.transpose(x) # o
x.T

Los datos pueden tener diferentes dimensiones dependiendo de su estructura y complejidad. A continuaci贸n se detallan las dimensiones m谩s comunes:

  1. Scalar: Un valor escalar representa una 煤nica cantidad o valor num茅rico sin ninguna direcci贸n o magnitud asociada. Un ejemplo de valor escalar podr铆a ser la temperatura actual en grados Celsius.

  2. Vector: Un vector es una entidad matem谩tica que tiene magnitud y direcci贸n. Est谩 compuesto por una secuencia de valores num茅ricos dispuestos en una sola dimensi贸n. Un ejemplo com煤n de vector es una lista de coordenadas que representan una posici贸n en un espacio tridimensional.

  3. Matrix: Una matriz es un conjunto de valores num茅ricos dispuestos en filas y columnas que forman una estructura bidimensional. Las matrices se utilizan para realizar c谩lculos lineales, como transformaciones lineales, rotaciones y escalamientos. Un ejemplo de matriz puede ser una imagen en escala de grises, que se puede representar como una matriz de p铆xeles.

  4. Tensor: Un tensor es un objeto matem谩tico de m煤ltiples dimensiones que se utiliza en el an谩lisis y procesamiento de datos en 谩reas como la f铆sica, la ingenier铆a y el aprendizaje autom谩tico. Un tensor puede ser un vector o una matriz de cualquier dimensi贸n. Un ejemplo de tensor puede ser una imagen en color, que se puede representar como un tensor de tres dimensiones, con una dimensi贸n para el ancho, otra para la altura y otra para los canales de color (rojo, verde y azul).

Recomiendo fuertemente el Curso de Fundamentos de 脕lgebra Lineal con Python para tener claro estos comandos

np.transpose(x) == x.T

El tensor realmente significa que se puede transformar como un tensor (Un vector puede ser un tensor de orden 1). Esto significa que su transformaci贸n puede expresarse con el jacobiano, que es una matriz de derivadas.

Mi resumen de clase 馃摑

Broadcasting


Adem谩s del reshape, es importante comprender el concepto de broadcasting. Broadcasting permite que las operaciones se realicen entre tensores de diferentes formas y tama帽os, ajustando autom谩ticamente las dimensiones para que las operaciones tengan sentido.

import tensorflow as tf


tensor_a = tf.constant([[1, 2, 3], [4, 5, 6]])


tensor_b = tf.constant([10, 20, 30])

resultado = tensor_a + tensor_b

print("Tensor A:")
print(tensor_a.numpy())

print("\nTensor B:")
print(tensor_b.numpy())

print("\nResultado despu茅s de Broadcasting:")
print(resultado.numpy())

No entiendo porque escriben 鈥淢atrix鈥 la pelicula, si se refieren al conjunto bidimensional de n煤meros se escribe 鈥淢ATRIZ鈥.
Bueno鈥 eso fue lo que yo aprend铆 en el colegio y la U, si estoy equivocado corr铆janme (Con fundamentos por favor)

que bueno que tome el curso de numpy y panda dado por el mismo profe 馃槃