[맥북] 딥러닝 텐서플로 part 1.

텐서플로 : 딥러닝 프레임 워크

+ 그래프 형태의 수학식 계산 라이브러리 위에 여러 머신러닝을 쉽게 할 수 있는 다양한 라이브러리를 올린 형태

시작하기 전에

1. 텐서플로 설치 : pip3 install --upgrade tensorflow 
2. pip 업데이트 : pip install --upgrade pip
3. pip3 install --upgrade tensorflow-gpu
4. pip3 install umpy matplotlib pillow 

텐서플로 개념

1. 텐서 Tensor
2. 플레이스홀더 Placeholder
3. 변수 Variable
4. 연산 & 그래프

텐서와 그래프

오른쪽 화면처럼 코딩을 하고 tensor1.py로 저장해주었다.
그리고 python3 tensor1.py 실행하면 결과는 tf.Tensor(b'Hello, TensorFlow!', shape=(), dtype=string) 이 출력된다.

hello 변수의 값을 출력한 결과로, hello 가 Tensor라는 자료형이고, Hello TensorFlow! 를 담고 있으며 type은 String을 의미한다.

 

랭크와 셰이프

1. 랭크 Rank 
2. 셰이프 Shape

3
[1. ,2. ,3.]
[[1., 2.], [4., 5]]

3 은 Rank 가 0이고 셰이프는 [] 이다.
두번째 것은 랭크가 1인 텐서이고, 셰이프는 [3] 이다.
마지막 것은 랭크가 2이고 셰이프는 [2, 2] 이다.

랭크가 0이면 스칼라, 1이면 벡터, 2면 행렬, 3 이상이면 n-Tensor 또는 n차원 텐서라고 한다.
셰이프는 각 차원의 요소 개수로 이 두가지는 텐서의 구조이다.

다시 말하자면, 
첫번째. 스칼라, 즉 배열이 아니고 상수 하나만 존재
두번째, 벡터, 즉 1차원 배열이기 때문에 Rank = 1, 셰이프는 배열의 크기를 의미하는 것과 같다.
마지막, 행렬,  Rank = 2, Shape = [2, 2] 즉 2 x 2 행렬을 의미하고 2차원를 의미한다.