Tensorflow 기본 Operation

Tensorflow의 기본적인 Operation에 대해 알아보았다. 

Tensorflow는 data flow graphs를 사용해 numerical 한 계산을 하는 Library이다.

악필

Edge 에 돌아다니는 Data들을 Tense라고 하는데, 그들의 돌아다님, 즉 흐름을 Flow라고 하고, 그곳에서 나온 이름이 Tensorflow이다. 

 

본격적으로 Tensorflow 코드를 실행해보려고 하는데, 또 다시 버전 이유의 문제가 생겼다.

아 버전 다른 거 알고 있었는데 .. 

"AttributeError : module 'tensorflow' has no attribute 'Session'"

tensorflow version 1로 작성된 코드이기 때문에 Session 함수를 사용했고, version 2에서부터는 Session이 적용되지 않기 때문에 다른 함수가 필요했다. 

매우 간단

간단하게 tf.print를 써버리면 됐다. 역시 버전 업그레이드는 유저가 편안한 방향으로 간다는 확신을 갖고 있어야 한다.

Tensorflow는 그래프를 우선 빌드하고, 그래프를 실행시키고, 그 값을 리턴시키는 형식이다. 

 

그래프 빌드

그래프 실행시키고 그 값을 리턴

Version 2에서는 Session() 함수를 통해 그래프를 실행시키던 과정이 생략되었다고 볼 수 있다. 

 

placeholder 에서도 비슷한 문제가 발생하는데, 

이젠 익숙해

"AttributeError : module 'tensorflow' has no attribute 'placeholder'"

사실 이게 정석은 아니다. 애초에 tf.placeholder 함수는 변수를 선언할 때 상수로 선언하는 것이 아니라, 나중에 값을 넣어줄 공간을 만드는 것이다. 

Tensorflow 2.0 에서부터는 @tf.function 함수를 통해서 placeholer의 역할을 대체한다고 한다.

요런 느낌으로

 tf.Variable 안에 3.0, 4.5 같은 integer 값을 넣었을 때 

난관

다음과 같은 오류가 발생한다. 

"Input 'y' of 'AddV2' Op has type int32 that does not match type float32 of argument 'x'."

tf.Variable 함수 안에 정수 값만 넣고, 실수 값은 넣은지 없는 것인지 조금 더 파볼 필요가 있어보인다.

---

Tensor Ranks. Shapes. and Types

 

Scalar -> 0차원 : rank = 0

Vector -> 1차원 : rank = 1

Matrix -> 2차원 : rank = 2

3- Tensor -> 3차원 : rank = 3

n - Tensor -> n 차원 : rank = n

tense 는 array의 개념이다. 

element에 몇 개씩 들어있는지를 shape이라고 표현한다.

[D0 , D1] 은 D0 씩 D1 개가 있는 shape을 나타낸다. 차원이 들어나면 D의 개수가 늘어나게 된다. 

 

type 같은 경우에는, 대부분의 경우 float32와 int32를 많이 사용한다.