[골빈해커 Chapter3 정리]

[개념 정리]

03_Tensorflow_Programming101.ipynb

0.02MB

Tensorflow

그래프 형태의 수학식 계산을 수행하는 핵심 라이브러리를 구현한 후, 그 위에 딥러닝을 포함한 여러 머신 러닝을 쉽게 할 수 있는 다양한 라이브러리를 올린형태.

 

Tensor : 자료형

 

Rank와 Shape

[1., 2., 3.]    : 랭크 1 셰이프 3

[[1., 2., 3.], [4., 5., 6.]    : 랭크 2 셰이프 [2, 3]

[[[1., 2., 3.]], [[7., 8., 9.]]]    : 랭크 3 셰이프 [2, 1, 3]

 

#rank 차원의 느낌 []로 묶인 개수로 이해하기 편함

#shape []의 쌍으로 이루는 개수

따라서 랭크가 0이면 스칼라 1이면 벡터, 2면 행렬 3 이상이면 n-Tensor또는 n차원 텐서라고 지칭한다.

 

Graph

텐서들의 연산 모음

텐서들의 연산을 통하여 그래프를 만들고 이후 필요할 때, 연산을 실행하는 코드를 넣어 실제 연산을 수행한다.

 

그래프의 실행은 Session 안에서 이루어지며, Session 객체와 run 메서드를 이용한다.

 

Placeholder와 Variable

placeholder는 그래프에 사용할 입력값을 나중에 받기 위해 사용하는 매개변수

feed_dict으로 던져주기 위해 미리 여분의 공간을 확보해 두는 것

 

variable은 그래프를 최적하하는 용도

 

Linear Regression

주어진 x와 y의 값을 가지고 서로 간의 관계를 파악하는 것.

회귀 : 입력에 대해 value를 예측하는 것

 

hypothesis를 설정하고 오차를 구한 것의 제곱을 통해 손실함수 제정.

미분을 통한 경사하강법을 사용하여 cost를 최소로 낮춘다.

 

이를 통하여 value예측

 

HyperParameter

학습 과정에 영향을 주는 변수

[Method 정리]

import tensorflow as tf : tensorflow import.

 

tf.add( 텐서1, 텐서2) : tensor 더하기 연산을 수행하는 메소드

sess.run(실행 텐서, feed_dict = {사용 x와 y 값 던저주기}) : 텐서를 실행하는 메소드

 

tf.placeholder( 자료형, Shape) : placeholder 사용하는 메소드

tf.variable( 값shape지정) : variable 지정하는 메소드

tf.random_normal() : 정규분호의 무작위 값으로 초기화

tf.matmul() : 행렬의 곱 연산 사용

 

tf.reduce_mean() : 평균을 구하는메소드

tf.square() : 제곱을 구하는 메소드

 

optimizer = tf.train.GradientDescentOptimizer(learning_rate = ?).minimize(cost)