INNENTÜREN, TUNING DESIGN TÜREN aus Slowenien.


  • Ljubljana


    0038651 - 660 - 406

  • Ptuj


    0038651 - 316 - 130
    0038631 - 688 - 777

텐서 플로우 예제

텐서 플로우 예제

TensorFlow 설치에 대한 자세한 내용은 텐서플로우 설치 가이드 평면 벡터가 텐서의 가장 간단한 설정인지 확인할 수 있습니다. 위에서 보았듯이 일반 벡터와 매우 유사하며 벡터 공간에서 자신을 발견하는 유일한 차이점이 있습니다. 이를 더 잘 이해하려면 2 X 1인 벡터가 있는 예제부터 살펴보겠습니다. 즉, 벡터는 한 번에 두 쌍을 이루는 실제 숫자 집합에 속합니다. 또는 다르게 명시되어 있는 두 공간의 일부입니다. 이러한 경우 좌표(x,y) 평면의 벡터를 화살표 또는 광선으로 나타낼 수 있습니다. 테스트 데이터 집합의 정확도는 학습 데이터 집합의 정확도보다 약간 낮습니다. 교육 정확도와 테스트 정확도 간의 이러한 차이는 과적합의 예입니다. 오버피팅은 기계 학습 모델이 학습 데이터보다 새 데이터에서 더 나쁜 성능을 발휘하는 경우입니다. TensorFlow는 Google이 만들고 딥 러닝 모델을 설계, 구축 및 학습하는 데 사용한 두 번째 기계 학습 프레임워크입니다. TensorFlow 라이브러리를 사용하여 수치 계산에 사용할 수 있으며, 그 자체로는 그리 특별해 보이지 않지만 이러한 계산은 데이터 흐름 그래프로 수행됩니다. 이러한 그래프에서 노드는 수학적 연산을 나타내고 가장자리는 일반적으로 이러한 가장자리 간에 전달되는 다차원 데이터 배열 또는 텐서인 데이터를 나타냅니다.

TensorFlow 기본 사항의 섹션에서 보았듯이 세션을 수동으로 닫을 필요가 없습니다. 이것은 당신을 위해 이루어집니다. 그러나 다른 설정을 사용해 보십시오. 또는 다른 교육 방법을 사용합니까? 이 가이드에서는 고급 API인 tf.keras를 사용하여 TensorFlow에서 모델을 빌드하고 학습합니다. 예를 들어, 3차원 공간에서 3개의 숫자로 시퀀스가 있는 단일 숫자와 벡터를 가진 스칼라를 나타내는 것처럼 텐서는 3차원 공간에서 3R 숫자의 배열로 표현될 수 있습니다. 다음으로 그래프에 작업을 추가할 준비가 되었습니다. Keras로 작업할 때 기억할 수 있듯이 모델을 빌드한 다음 컴파일할 때 손실 함수, 최적화 프로그램 및 메트릭을 정의합니다. 이 모든 텐서 플로우와 함께 작업 할 때 한 단계에서 발생 : 당신은 볼? “TensorFlow”라는 이름은 신경망이 다차원 데이터 배열 또는 텐서에서 수행하는 작업에서 파생됩니다. 말 그대로 텐서의 흐름입니다. 지금은 텐서에 대해 알아야 할 모든 것이지만 다음 섹션에서이 자세히 살펴보겠습니다! 이전 TensorFlow 버전 (0.11 이하)을 사용하는 경우 여기에서 살펴보십시오. TF v2에 대한 자습서 인덱스는 여기에서 확인할 수 있습니다: TensorFlow 2.0 예제. 이제 TensorFlow를 통해 첫 번째 신경망을 성공적으로 만들었습니다! 텐서를 잘 이해하려면 선형 대수학 및 벡터 미적분에 대한 실무 지식을 가지는 것이 좋습니다.

텐서가 텐서플로우에서 다차원 데이터 어레이로 구현된다는 소개를 이미 읽었지만, 텐서와 텐서의 기계 학습 사용을 완전히 파악하기 위해서는 좀 더 많은 소개가 필요할 수 있습니다.