파이썬을 이용한 Tensorflow 사용법

오늘은 딥러닝의 기본인 Tensorflow에 대해서 알아보자!!

일단 하기에 앞서 간단한 준비가 필요하다. 차근차근 해보자.

참고

• http://www.tensorflow.org
• https://hunkim.github.io/ml/

가상 환경 준비

conda create -n 가상환경이름

• conda create -n tf1 python=3.7 anaconda

• activate 가상환경이름
• conda deactivate

설치

• pip install tensorflow
• pip install tensorflow==1.15.0
• conda install tensorflow==1.15.0

특징

• 구글에서 만든 오픈소스 머신러닝 프레임워크
• 다양한 언어를 제공하며 파이썬이 가장 많이 사용됨
• 기본적으로 텐서를 활용한 그래프 수치 연산을 하는 도구

머신러닝 프레임워크 종류들

• Theano
• Pytorch
• Torch
• Caffe
• Keras
• ...

기본 용어

• 그래프 : 수학적인 의미에서 노드와 엣지로 구성된 기하 모형
• 노드(node) : 연산 및 데이터 정의
• 엣지(edge) : 노드를 연결하는 선(데이터의 흐름)
• 텐서(tensor) : 다차원 데이터 배열
• 세션(session) : 그래프를 실행시키기 위해서 필요한 객체

우선 텐서플로우를 다운한다.

pip install tensorflow==1.15.0 as tf

 

import 시키고 버전을 확인한다.

import tensorflow as tf
import sys
print(sys.version)
print(tf.__version__)

 

3.7.9 (default, Aug 31 2020, 17:10:11) [MSC v.1916 64 bit (AMD64)]
1.15.0

---

1. 텐서

0D텐서

import numpy as np

# 0D 텐서(스칼라)
 
x=np.array(10)
x
x.ndim
x.shape
x.dtype

 

dtype('int32')

1D텐서

 

# 1D 텐서(스칼라)

x=np.array([10])
x
x.ndim
x.shape
x.dtype

 

dtype('int32')

2D텐서

 

# 2D 텐서()

x=np.array([[1,2,3,4],[5,6,7,8],[9,10,11,12]])
x
x.ndim
x.shape

 

(3, 4)

3D텐서, 고차원 텐서

 

# 3D 텐서, 고차원 텐서
# 딥러닝에서는 0D ~ 4D까지 주로 사용
# 동영상을 다룰때에는 5D 텐서까지 사용

# 자주 사용하는 속성
    # 1. 축의 갯수(rank) : ndim
    # 2. 크기 : shape
    # 3. 타입 : dtype

---

2. 기본 구성 요소

• placeholder()
• constant()
  • tf.constant(value, dtype=None, shape=None, name='Const', verify_shape=False)
• Variable()
  • tf.Variable(initial_value=None, trainable=None, collections=None, validate_shape=True,caching_device=None, name=None, variable_def=None, dtype=None,expected_shape=None, import_scope=None, constraint=None,use_resource=None,synchronization=tf.VariableSynchronization.AUTO,aggregation=tf.VariableAggregation.NONE, shape=None )

1) constant

• 절대 변하지 않는 상수를 의미
• 자체적으로 그래프를 가진다,
• 메서드

a=tf.constant(10)
print(a)

b=tf.constant(20)
print(b)

c=tf.add(a,b)
print(c)

 

Tensor("Const_4:0", shape=(), dtype=int32)
Tensor("Const_5:0", shape=(), dtype=int32)
Tensor("Add_1:0", shape=(), dtype=int32)

---

 

sess = tf.Session()
print(sess.run(a))
print(sess.run(b))
print(sess.run(c))

 

10
20
30

---

# 결과 : 5*4*3*2*1

120

---

# TensorBoard
tf.summary.FileWriter("log_dir", graph=sess.graph)

# tensorboard -- logdir=log_dir

 

<tensorflow.python.summary.writer.writer.FileWriter at 0x251a9f8ca08>

---

sess.close()

#(5+2)*3
a=tf.constant([5])
b=tf.constant([2])
c=tf.add(a,b)
d=tf.constant([3])
e=tf.multiply(c,d)

sess = tf.Session()
sess.run(e)

 

array([21])

---

 

tf.summary.FileWriter("log_dir",graph=sess.graph)

 

<tensorflow.python.summary.writer.writer.FileWriter at 0x251a9f9ba88>

---

2) Variable

• 객체로 정의되어 있다.
• weight(가중치)를 저장하는 변수
• 사용 전에 반드시 초기화(variables_initializer()호출)

In [25]:

v1 = tf.Variable(initial_value=[5])
v2 = tf.Variable([3])
v3 = tf.Variable([2])

v4 = v1 + v2 + v3
print(v4)

 

Tensor("add_4:0", shape=(1,), dtype=int32)

---

 

sess = tf.Session()
sess.run(tf.global_variables_initializer())
sess.run(v4)

 

array([10])

---

tf.summary.FileWriter("log_dir",graph=sess.graph)

 

<tensorflow.python.summary.writer.writer.FileWriter at 0x251aad44108>

---

3)placeholder

• 그래프를 만들지 않는다.
• 입력된 데이터를 텐서와 매핑하는 역할

v1 = 5
v2 = 3
v3 = 2

p1=tf.placeholder(dtype=tf.float32)
p2=tf.placeholder(dtype=tf.float32)
p3=tf.placeholder(dtype=tf.float32)

result = p1+p2+p3

v1 = 5
v2 = 3
v3 = 2

sess = tf.Session()
sess.run(result, feed_dict={p1:v1,p2:v2,p3:v3})

 

10.0

---

지금까지의 내용으로 간단한 구구단 프로그램을 만들어 보자.

# 구구단 프로그램
def gugu(dan):
    left = tf.placeholder(tf.int32)
    right = tf.placeholder(tf.int32)
    calc = tf.multiply(left, right)
    
    sess = tf.Session()
    for i in range(1,10):
        result = sess.run(calc, feed_dict={left:dan, right:i})
        print("{}*{}={}".format(dan, i, result))
    sess.close()    

 

gugu(7)

 

7*1=7
7*2=14
7*3=21
7*4=28
7*5=35
7*6=42
7*7=49
7*8=56
7*9=63

오늘도 이렇게 Python의 텐서플로우에 대해서 알아보았다!!

다음은 또 무엇에 대해서 알려줄까!?? 기대하시라~~