Tensorflow의 기본적인 operation

 

 

 

In [11]:

from PIL import Image
Image.open('1번.png')

Out[11]:

 

TensorFlow Hello World¶

In [2]:

import tensorflow as tf

In [3]:

tf.__version__

Out[3]:

'1.13.1'

In [4]:

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


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

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

 

b'Hello, TensorFlow!'

 

어떤 그래프 안에 constant노드 하나만 있는데, 그 노드 안에는 'Hello, TensorFlow'라는 문장이 들어있고 우리는 그 노드를 실행시켜 결과가 출력됐다.¶

 

b'String' 'b'indicates Bytes literals.

 

computaional Graph¶

 

(1) Build graph using TensorFlow operations¶

In [5]:

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

 

노드3은 노드1과 노드2와 연결되어있고 합연산이다.

In [6]:

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

 

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

 

프린트 해보면 결과값이 아니고 텐서라는것만 보여준다.
결과값을 보기 위해서는 다음과 같이 실행시켜야 한다.

 

(2) feed data and run graph (operation) : sess.run(op)¶

In [7]:

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

 

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

 

(3) update variables in the graph (and return values)¶

 

텐스플로우 전체의 구조

1. Build graph using TensorFlow operations
2. feed data and run graph (operation) : sess.run(op)
3. update variables in the graph (and return values)

 

Placeholder¶

 

이번에는 그래프를 미리 만들어놓고 노드에서 그래프를 실행시켜주는 단계에서 값을 구해주고 싶다.

 

노드를 placeholder라는 노드로 만들고 그 노드를 연결하여 adder노드를 만들자

In [8]:

a = tf.placeholder(tf.float32)
b = tf.placeholder(tf.float32)
adder_node = a + b # + provides a short 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 : [1,2], b : [2,4]}))

 

7.5
[3. 6.]

 

(1) Build graph using TensorFlow operations¶

(노드를 placeholder로)¶

(2) feed data and run graph (operation) :¶

sess.run(op, feed_dict={x:x_data})¶

(3) update variables in the graph (and return values)¶

In [12]:

Image.open('2번.png')

Out[12]:

 

Everything is Tensor¶

 

Tensor Ranks(차원), Shapes(랭크 안에 몇 개나), and Types¶

In [9]:

# a rank 0 tenser; this is a scalar with shape []
3
# a rank 1 tensor; this is a vector with shape [3]
[1. ,2. ,3.]
# a rank 2 tensor; a matrix with shape [2, 3]
[[1. ,2. ,3.],[4. ,5. ,6.]]
# a rank 3 tensor with shape [2, 1, 3]
[[[1. ,2. ,3.]], [[7., 8., 9.]]]

Out[9]:

[[[1.0, 2.0, 3.0]], [[7.0, 8.0, 9.0]]]

 

타입은 주로 tf.float32 라던가 tf.int32를 사용한다.

 

출처: https://www.inflearn.com/course/%EA%B8%B0%EB%B3%B8%EC%A0%81%EC%9D%B8-%EB%A8%B8%EC%8B%A0%EB%9F%AC%EB%8B%9D-%EB%94%A5%EB%9F%AC%EB%8B%9D-%EA%B0%95%EC%A2%8C/lecture/3375