En este módulo, aprenderemos cómo cargar datos en TensorFlow, una habilidad fundamental para cualquier proyecto de aprendizaje automático. TensorFlow proporciona varias herramientas y métodos para manejar datos de manera eficiente. Vamos a explorar las formas más comunes de cargar datos y prepararlos para su uso en modelos de aprendizaje automático.

1. Introducción a la Carga de Datos
2. Cargando Datos desde Archivos CSV
3. Cargando Datos desde Archivos de Imagen
4. Cargando Datos desde TFRecord
5. Ejercicios Prácticos
6. Conclusión

TensorFlow ofrece varias formas de cargar y preprocesar datos. Las más comunes incluyen:

• Archivos CSV
• Imágenes
• TFRecord

Cada uno de estos métodos tiene sus propias ventajas y desventajas, y la elección del método adecuado depende del tipo de datos y del problema que se esté resolviendo.

Los archivos CSV (Comma-Separated Values) son una forma común de almacenar datos tabulares. TensorFlow proporciona funciones para leer y procesar estos archivos de manera eficiente.

Supongamos que tenemos un archivo CSV llamado data.csv con el siguiente contenido:

Podemos cargar este archivo en TensorFlow de la siguiente manera:

1. Definición de la función parse_csv: Esta función define cómo se debe parsear cada línea del archivo CSV. Utiliza tf.io.decode_csv para convertir la línea en un tensor.
2. Cargar el archivo CSV: Utilizamos tf.data.TextLineDataset para leer el archivo línea por línea. La función skip(1) se usa para saltar la cabecera del archivo.
3. Mapeo de la función parse_csv: Aplicamos la función parse_csv a cada línea del dataset.
4. Iteración sobre el dataset: Iteramos sobre el dataset para imprimir las características y las etiquetas.

Para proyectos de visión por computadora, es común trabajar con archivos de imagen. TensorFlow facilita la carga y el preprocesamiento de imágenes.

Supongamos que tenemos un directorio con imágenes de gatos y perros organizadas de la siguiente manera:

Podemos cargar estas imágenes en TensorFlow de la siguiente manera:

1. Definición del directorio de datos: Especificamos el directorio donde se encuentran las imágenes.
2. Creación del dataset de imágenes: Utilizamos tf.keras.preprocessing.image_dataset_from_directory para cargar las imágenes. Este método organiza automáticamente las imágenes en batches y las redimensiona al tamaño especificado.
3. Iteración sobre el dataset: Iteramos sobre el dataset para imprimir las formas de los batches de imágenes y etiquetas.

TFRecord es un formato de archivo optimizado para almacenar grandes cantidades de datos. Es especialmente útil para entrenar modelos en TensorFlow.

Supongamos que tenemos un archivo TFRecord llamado data.tfrecord.

1. Definición de la función parse_tfrecord: Esta función define cómo se debe parsear cada ejemplo del archivo TFRecord. Utiliza tf.io.parse_single_example para convertir el ejemplo en un diccionario de características.
2. Cargar el archivo TFRecord: Utilizamos tf.data.TFRecordDataset para leer el archivo.
3. Mapeo de la función parse_tfrecord: Aplicamos la función parse_tfrecord a cada ejemplo del dataset.
4. Iteración sobre el dataset: Iteramos sobre el dataset para imprimir cada registro.

Crea un archivo CSV con datos ficticios y escribe un script en TensorFlow para cargar y procesar estos datos.

Organiza un conjunto de imágenes en directorios y escribe un script en TensorFlow para cargar y preprocesar estas imágenes.

Crea un archivo TFRecord con datos ficticios y escribe un script en TensorFlow para cargar y procesar estos datos.

En esta sección, hemos aprendido cómo cargar datos en TensorFlow desde diferentes fuentes, incluyendo archivos CSV, imágenes y archivos TFRecord. La capacidad de manejar datos de manera eficiente es crucial para el éxito de cualquier proyecto de aprendizaje automático. En el próximo módulo, exploraremos cómo construir pipelines de datos utilizando tf.data para manejar grandes volúmenes de datos de manera eficiente.