pycharm에서 tensorflow를 활용한 머신러닝 배우기(1)

- 본 게시글은 홍콩과기대 김성훈 교수님의 "모두를 위한 머신러닝" 강의를 보고 개인 공부용으로 작성된 것입니다.

* Tensorflow의 작동방식

  1) Build graph(tensor) using TF operations

      - node / placeholder

  2) feed data and run gragh (operation)

      - sess.run(op, feed_dict={a:[1,3]} )

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

  - 예전에 SAS EM을 다룰 때 이미지로 되어있던 과정과 유사한 듯

* 데이터 입력

   1) node1 = tf.constant(3.0, tf.float32)

       - 위의 코딩을 통해 3.0이라는 실수를 입력할 수 있다.

   2) a = tf.placeholder(tf.float32)

       - 다른 노드를 사용해 계산할 때, 미지수로 간주하는 역할을 할 수 있다.

       - print(sess.run(adder_node, feed_dict={a:[1,3], b:[2,4]}))

       : 다음과 같이 feed_dict 인수를 사용해 어떤 미지수를 대입할 것인가를 결정할 수 있다.

         [1,3]과 같이 배열의 형태로 대입할 수 있다.

* Tensor Ranks, Shapes, and Types

  1) Rank

      (1) rank = 0 : Scalar (magnitude)

      (2) rank = 1 : Vector (magnitude and direction)

      (3) rank = 2 : Matrix (table of numbers)

      (4) rank = 3 : 3-Tensor (cube of numbers)

            ...

      (n+1) rank = n : n-Tensor (idea)

  2) Shape

      - tensor의 각 element에 몇 개씩 들어가 있는가?

  3) Types

      - 대부분 tf.float32(- 32bits floating point) 를 사용