텐서플로 첫걸음 예제

모델의 교육 진행 상황을 인쇄하는 것이 유용하지만 이 진행 상황을 확인하는 것이 더 유용한 경우가 많습니다. TensorBoard는 TensorFlow와 함께 패키지된 멋진 시각화 도구이지만 matplotlib 모듈을 사용하여 기본 차트를 만들 수 있습니다. TensorFlow를 설치하고 작업 공간으로 가져왔고 이 패키지로 작업의 기본 사항을 거쳤으니 잠시 동안 이 것을 제쳐두고 데이터에 주의를 기울여야 할 때입니다. 항상 그렇듯이 신경망 모델링을 시작하기 전에 먼저 데이터를 더 잘 탐색하고 이해하는 데 시간을 할애할 수 있습니다. 60,000개의 이미지를 사용하여 네트워크를 교육하고 10,000개의 이미지를 사용하여 네트워크가 이미지를 분류하는 데 얼마나 정확하게 배웠는지 평가할 것입니다. 텐서플로우에서 직접 Fashion MNIST에 액세스하고 데이터를 가져오고 로드할 수 있습니다: 코드 줄의 결과는 계산 그래프의 추상 텐서입니다. 그러나 예상과는 달리 결과는 실제로 계산되지 않습니다. 모델을 정의했지만 결과를 계산하기 위해 실행된 프로세스가 없습니다. 인쇄물에서 볼 수 있습니다: 실제로 보고 싶은 결과가 없습니다(즉, 30). 이것은 텐서 플로우가 게으른 평가를 가지고 있음을 의미합니다! 이제 TensorFlow를 통해 첫 번째 신경망을 성공적으로 만들었습니다! 우리의 손을 더럽게하고 TensorFlow에서 간단한 계산을 실행하자, 즉 두 개의 수레의 합을 계산. 우리는 모듈을 가져 와서 TensorFlow를 초기화 : 적어도 나를 위해 그 시점에서 그것은 맨 뼈로 돌아가 서 먼저 TensorFlow의 모든 움직이는 부분을 이해하는 시간이었다. 이 자습서는 많은 TensorFlow 프로그램처럼 구조화되어 있습니다: TensorFlow를 포함하여 필요한 파이썬 모듈을 가져오고 이 프로그램에 대한 열렬한 실행을 가능하게 합니다. 열렬한 실행을 통해 TensorFlow는 작업을 즉시 평가하여 나중에 실행되는 계산 그래프를 만드는 대신 구체적인 값을 반환합니다.

REPL 이나 파이썬 인터랙티브 콘솔에 익숙한 경우, 이것은 익숙한 느낌. 텐솔로에서 열성적인 실행을 사용할 수 있습니다.=1.8. Nishant Shukla가 쓴 TensorFlow 책을 사용하여 기계 학습을 확인하십시오. 팁은 텐서플로우 놀이터와 텐서보드도 확인해 보세요. 이 가이드는 이러한 높은 수준의 TensorFlow 개념을 사용합니다: TensorFlow를 사용하는 주요 동인은 딥 러닝 시스템을 구축하는 것이며, 숙련된 개발자에게는 CNN 및 RNN과 같은 고급 것들에 바로 뛰어들고 싶어합니다. 가장 일반적인 딥 러닝 아키텍처와 많은 추가 리소스를 온라인으로 사용할 수 있습니다. 이러한 것들을 재생하는 것은 매우 재미있을 수 있습니다, 예를 들어, 문자 RNN에 안드레이 Karpathy에 의해 유명한 기사 (문자 RNN의 TensorFlow 구현은 여기). TensorFlow의 모든 계산은 그래프의 컨텍스트에서 정의되어야 합니다.

위의 예제에서는 tf.placeholder() 및 tf.add() 문이 암시적으로 기본 그래프를 사용했기 때문에 그래프가 있는지 알 지 못했습니다. 따라서 tf에 의해 생성 된 세션. 세션()이 기본 그래프와 연결되었습니다. 텐서플로우 감지의 그래프는 텐서플로우 프로그램에서 수행할 수 있는 계산 세트를 정의합니다. 이 용어는 TensorFlow 그래프가 실제로 독립적으로 실행될 수 있는 분리 그래프의 모음일 수 있으므로 오해의 소지가 있습니다.