딥러닝의 기초 A to Z _ 1 _ 실습

출처

http://hunkim.github.io/ml/

https://github.com/hunkim/DeepLearningZeroToAll/

http://daeson.tistory.com/252

https://www.tensorflow.org/

ML lec 01_TensorFlow 의 설치 및 기본적인 operation

TensorFlow ?

- 구글에서 만든 오픈소스 라이브러리 (machine intelligence)

- 텐서플로우 외에도 상당히 많다. 

- 머신러닝을 위한 프레임워크들에 점수를 매겨 순위를 정한것 

- Tensorflow is an open source software library for numerical computation using data flow graphs

- Python을 이용해 TensorFlow 사용 가능 

What is a Data Flow Graph ?

- 위 그림에서 동그라미 그림을 노드라 하고 선을 엣지라 한다. 

> 노드 : 일종의 mathematical operations 

> 엣지 : 일종의 data array (tensors)

- 이런 형태를 거치며 데이터에 대한 연산을 처리하고 원하는 결과를 얻거나 작업을 할 수 있다.

설치 방법은 패쓰~ 

- OS마다 다르고 버전마다 다르다 인터넷 검색하면 다 나와있다.

- 만약 우분투 활경에서 GPU를 이용한 환경을 구현 할거면 아래 주소 참고 

http://kimtaeh.tistory.com/19

http://kimtaeh.tistory.com/20?category=682301 

 

Check install and version 

C:\Users\th_k9>python
Python 3.6.2 |Anaconda custom (64-bit) | (default, Sep 19 2017, 08:03:39( [MSC v. 1900 64 bit (AMD64)] on win32
Type "help", "copyright", "credits" or "license" for more information.
>>> import tensorflow as tf
>>> tf.__version__
'1.2.1'
>>>

- import tensorflow as tf 

> as tf 안하면 : tensorflow.__version__

> as tf 하면 : tf.__version__

TensorFlow Hello World! 

# Create a constant op
# This op is added as a node to the default graph 
hello = tf.constant("Hello, TensorFlow!")

# seart a TF session
sess = tf.Session()

# run the op and get result 
print(sess.run(hello))

! tf.constant() 

- constant(

value,

dtype=None,

shape=None,

name='Const'

verify_shape=False

  )

- For example: 

# Constant 1-D Tensor populated with value list.  (populated with : 채워지는)
tensor = tf.constant([1, 2, 3, 4, 5, 6, 7])     => [1 2 3 4 5 6 7]

# Constant 2-D Tensor populated with scalar value -1.
tensor = tf.constant(-1.0, shape=[2, 3])     => [[-1. -1. -1.]
                                                 [-1. -1. -1.]]

- Args:

> value : A constant value (or list) of output type

> dtype : The type of the elements of the resulting tensor

> shape : Optional dimensions of resulting tensor

> name : Optional name for the tensor

> verify_shape : Boolean that enables verification of a shape of values

- Return:

A Constant Tensor 

! tf.Session()

- A class for running TensorFlow operations

- Session 여는 3 가지 방법 1.기본 2.with구문 3.장치선ㅌ액

1. 기본 

- 위에 있는 Hello TensorFlow 예시

- 마지막 sess.close() 추가해서 Session 객체를 닫아주어야 함 

2. with 구문 

import tensorflow as tf

hello = tf.constant("Hello, TensorFlow!")

with tf.Session() as sess:
    print(sess.run(hello))

- with 구문을 사용하면 자동으로 Close 됨 

3. 장치선택 

import tensorflow as tf

hello = tf.constant("Hello, TensorFlow!")

with tf.Session() as sess:
    with tf.device("/cpu:0"):
    #with tf.device("/gpu:0"):
        print(sess.run(hello))

4. tf.InteractiveSession() 이라는 것도 있는데 음.. 모르게쒀요 필요할때 알아봐야지

! tf.Session().run()

- run(

 fetches,

 feed_dict = None,

 options = None,

 run_metadata = None

 )

- Args:

>fetches : A single graph element, a list of graph elements, or a dictionary whose values are graph elements or lists of graph elements

> feed_dict : A dictionary that maps graph elements to values

> options : A [RunOptions] protocol buffer

> run_metadata : A [Runmetadata] protocol buffer 

Computational Graph 

node1 = tf.constant(3.0, tf.float32)
node2 = tf.constant(4.0)  #also tf.float32 implicitly 
node3 = tf.add(node1, node2) 

# Build graph (tensors) using TensorFlow operations 

print("node1:", node1, "node2", node2) 
print("node3:", node3) 

#----------result------------
node1 : Tensor("Const:0", shape=(), dtype=float32)  node2: Tensor("Const_1:0", shape=(), dtype=float32)
node3 : Tensor("Add:0", shape(), dtype(float32)

- Tensor인걸 알려주며 어떤 정보를 담고 있는지 알려줌 

- 그래프의 노드 확인 용으로 사용 가능 

- Session 열어주고 sess.run()하면 들어있는 값이 나옴 

TensorFlow의 작동 과정 

Placeholder 

- 걍 변수임 

- placeholder(

 dtype,

 shape = None,

 name = None

 )

a = tf.placeholder(tf.float32)
b = tf.placeholder(tf.float32)
adder_node = a + b

with tf.Session() as sess:
    print(sess.run(adder_node, feed_dict={a : 3, b : 4.5}))
    print(sess.run(adder_node, feed_dict={a : [1, 3], b : [2, 4]}))

#-------------result-------------
7.5
[ 3. 7. ]

Tensor ? 

- 기본적으로 Array를 의미함 

- Tensor Ranks, Shapes, and Types 

> Ranks : 차원을 의미 

> Shapes : 각 차원에 몇 개의 element가 들어가 있는지 

> Type 

다음 실습은 Linear Regression 구현~