import tensorflow as tf

# Definim el camí del fitxer CSV
csv_file_path = 'path/to/your/file.csv'

# Utilitzem tf.data.experimental.make_csv_dataset per carregar el fitxer CSV
dataset = tf.data.experimental.make_csv_dataset(
    csv_file_path,
    batch_size=32,  # Nombre de mostres per batch
    label_name='target_column',  # Nom de la columna objectiu
    na_value="?",  # Valor per a les dades mancants
    num_epochs=1,  # Nombre d'èpoques
    ignore_errors=True  # Ignorar errors durant la lectura
)

# Mostrem algunes mostres del dataset
for features, label in dataset.take(1):
    print("Features:", features)
    print("Label:", label)

import tensorflow as tf

# Definim el camí del directori d'imatges
image_directory = 'path/to/your/image_directory'

# Utilitzem image_dataset_from_directory per carregar les imatges
dataset = tf.keras.preprocessing.image_dataset_from_directory(
    image_directory,
    batch_size=32,  # Nombre d'imatges per batch
    image_size=(256, 256),  # Mida de les imatges
    label_mode='int'  # Mode d'etiquetatge (int, categorical, None)
)

# Mostrem algunes imatges del dataset
import matplotlib.pyplot as plt

for images, labels in dataset.take(1):
    plt.figure(figsize=(10, 10))
    for i in range(9):
        ax = plt.subplot(3, 3, i + 1)
        plt.imshow(images[i].numpy().astype("uint8"))
        plt.title(int(labels[i]))
        plt.axis("off")
    plt.show()

import tensorflow as tf

# Definim el camí del fitxer TFRecord
tfrecord_file_path = 'path/to/your/file.tfrecord'

# Definim una funció per parsejar els exemples
def _parse_function(proto):
    # Definim les característiques
    feature_description = {
        'feature1': tf.io.FixedLenFeature([], tf.float32),
        'feature2': tf.io.FixedLenFeature([], tf.int64),
        'label': tf.io.FixedLenFeature([], tf.int64),
    }
    return tf.io.parse_single_example(proto, feature_description)

# Utilitzem tf.data.TFRecordDataset per carregar el fitxer TFRecord
dataset = tf.data.TFRecordDataset(tfrecord_file_path)
dataset = dataset.map(_parse_function)

# Mostrem algunes mostres del dataset
for record in dataset.take(1):
    print(record)

import tensorflow as tf

# Definim una llista de dades
data = [1, 2, 3, 4, 5]

# Convertim la llista en un tf.data.Dataset
dataset = tf.data.Dataset.from_tensor_slices(data)

# Apliquem transformacions al dataset
dataset = dataset.map(lambda x: x * 2)
dataset = dataset.batch(2)

# Mostrem algunes mostres del dataset
for batch in dataset:
    print(batch)