01. Tensor Flow 의 기본적인 operations

출처: 모두를위한 머신러닝 (http://hunkim.github.io/ml/)

TensorFlow : Data Flow Graph¶

---

Node 와 Node가 연결되어 있는 구조

• Nodes : Mathematiclal operations (어떤 값을 받아서 더한다, 곱한다 등..)
• Edges : Data arrays (Tensors !)

Tensor 만드는 방법¶

---

• tf.constant(넣을 값)
• tf.placeholder(tf.데이터 타입) : run 단계에서 값 설정

In [10]:

import tensorflow as tf

hello = tf.constant("Hello")

node1 = tf.constant(3.0, tf.float32)
node2 = tf.constant(4.0)
node3 = tf.add(node1, node2)
node4 = node1 + node2

print("node1:", node1)
print("node2:", node2)
print("node3:", node3)
print("node4:", node4)

node1: Tensor("Const_1:0", shape=(), dtype=float32)
node2: Tensor("Const_2:0", shape=(), dtype=float32)
node3: Tensor("Add:0", shape=(), dtype=float32)
node4: Tensor("add:0", shape=(), dtype=float32)

Session 의 역할¶

---

• Tensor 는 그 자체로 object 이므로, print() 했을 시 object 정보를 출력함
• Session 을 만든후 run을 시킬 경우, 단순 변수인 tensor 는 변수를 출력하고
• 만약 어떤 연산을 하는경우 연산을 run 시킴 -> 얽혀 있는 다른 변수들이 update 됌!!

In [4]:

sess = tf.Session()

print(sess.run(hello))
print("sess.run(node1, node2):", sess.run([node1, node2]))
print("sess.run(node3):", sess.run(node3))
print("sess.run(node4):", sess.run(node4))

b'Hello'
sess.run(node1, node2): [3.0, 4.0]
sess.run(node3): 7.0
sess.run(node4): 7.0

TensorFlow Mechanics¶

---

• Flow Graph 를 만든후 (node1= , node2= , ..)
• Session 을 실행 (session.run(node1))
• Graph 안의 변수 값 리턴

Place holder¶

---

Tensor 의 값을 미리 정하지 않고 flow graph 틀만 구성한 후, sess.run 단계에서 값 지정

In [13]:

import tensorflow as tf

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

sess = tf.Session()

print(sess.run(adder_node, feed_dict={a: 3, b: 4.5}))  # adder node 에 dict 형태로 a, b 값 지정
print(sess.run(adder_node, feed_dict={a: [1, 3], b: [2, 4]}))

7.5
[ 3.  7.]

Tensor Ranks, Shapes and Types¶

---

• Ranks: 몇차원 Array 인지

• Shapes: 각각의 element에 몇개씩 들어있는지

• Types: 데이터타입