DeepLearning_Lab01 - 8BitsCoding/RobotMentor GitHub Wiki

• 참고사이트
• tensorflow
• facebook tensorflow community
• tensorflow 설치하기

위 방법도 좋지만 역시 가장 정확한 방법은 홈페이지에서 직접 설치방법을 보는 것!

• tensorflow install

---

Installing Tensorflow

python이 설치되었다는 가정아래 진행

필수 패키지 설치확인

$ sudo apt-get update
$ sudo apt-get upgrade

$ python3 --version
# 3.4, 3.5, 3.6 over

$ pip3 --version

$ sudo apt-get install python3-pip python3-dev

install

$ pip3 install --user --upgrade tensorflow

Verify

$ python3 -c "import tensorflow as tf; tf.enable_eager_execution(); print(tf.reduce_sum(tf.random_normal([1000, 1000])))"

$ python3
>>> import tensorlfow as tf
>>> tf.__version__
'1.0.0'
>>>

---

TensorFlow Hello World!

참고사이트

import tensorflow as tf

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

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

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

결과 : b'Hello, TensorFlow!'

hello라는 노드를 생성 후 session을 통하여 run

참고로 앞의 b''는 bytes literal(stream)을 의미한다.

---

Computational Graph

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

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

결과 : node1: Tensor("Const_1:0", shape=(), dtype=float32) node2: Tensor("Const_2:0", shape=(), dtype=float32) node3: Tensor("Add:0", shape=(), dtype=float32)

각 노드가 하나의 tensor임을 알려준다.

결과는 어떻게 보나??

sess = tf.Session()
print("sess.run(node1, node2): ", sess.run([node1, node2]))
print("sess.run(node3): ", sess.run(node3))

결과 : sess.run(node1, node2): [3.0, 4.0] sess.run(node3): 7.0

세션을 생성 후 노드를 세션을 통해서 런한다.

---

TensorFlow Mechnics

1. 그래프(노드)를 생성
2. 세션을 통해서 그래프(노드)를 실행
3. 값을 리턴

---

Placeholder

정해진 constant value가 아니라 runtime에 값을 넣고싶다면(feed_dict) -> Placeholder

a = tf.placeholder(tf.float32)
b = tf.placeholder(tf.float32)
adder_node = a + b  # + provides a shortcut for tf.add(a, b)

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]}))

결과 : 7.5 [3. 7.]

---

tensor의 rank의 개념?

몇 차원 array인지를 의미

# a rank 0 tensor
# this is a scalar with shape(스칼라 값을 의미)
>>> 3

# a rank 1 tensor
# 벡터 값을 의미
>>> [1. ,2. ,3.]

# a rank 2 tensor
# 메트릭스 값을 의미
>>> [1., 2., 3.], [4., 5., 6.](/8BitsCoding/RobotMentor/wiki/1.,-2.,-3.],-[4.,-5.,-6.)

---

tensor의 shapes 개념?

행, 열을 의미

>>> t = [1, 2, 3], [4, 5, 6], [7, 8, 9](/8BitsCoding/RobotMentor/wiki/1,-2,-3],-[4,-5,-6],-[7,-8,-9)
# shape = [3, 3]

---

tensor의 types