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~
