신경망은 오랫동안 주변에 있었고 거의 모든 중요한 개념은 1970 년대 또는 1980 년대로 다시 도입되었습니다. 이륙하기 위해 전체 필드를 중지한 문제는 당시에는 이러한 종류의 프로세스를 실행할 강력한 컴퓨터와 GPU가 없다는 것이었습니다. 지금, 뿐만 아니라 우리가 그렇게 할 수 있습니다., 하지만 구글은이 위대한 도구를 만들어 인기 있는 신경 망 만든 – TensorFlow 공개적으로 사용할 수. 오늘날 에는 신경망구현을 더욱 단순화하는 다른 상위 수준의 API가 있습니다. 그들 중 일부는 케라스처럼 텐서 플로우의 상단에 실행됩니다. 다음 문서에서는 이 고급 API를 사용하여 신경망을 구현하는 방법을 확인할 수 있습니다. 이제 사용할 모델을 선택해야 합니다. 이 문제에서는 속성 데이터를 기반으로 아이리스 플라워 클래스를 예측하려고 합니다. 이것이 우리가 TensorFlow API에서 추정기 중 하나를 선택하는 이유입니다. 추정자 클래스의 개체는 TensorFlow 그래프를 빌드하고 텐서플로우 세션을 실행하는 논리를 캡슐화합니다. 이를 위해 DNNClassifier를 사용합니다. 각각에 10개의 뉴런이 있는 두 개의 숨겨진 레이어를 추가하려고 합니다.

계산 그래프는 그래프 개체를 직접 호출할 필요 없이 라이브러리를 사용하는 기본 제공 프로세스입니다. TensorFlow의 그래프 개체는 작업 집합과 텐서를 데이터 단위로 포함하며 동일한 프로세스를 허용하고 각 그래프가 다른 세션에 할당되는 두 개 이상의 그래프를 포함하는 작업 간에 사용됩니다. 예를 들어, 간단한 코드 c = tf.add(a, b)는 두 개의 텐서 a와 b를 입력으로 취하고 합계 c를 출력으로 생성하는 작업 노드를 만듭니다. 매트릭스 연산은 선형 회귀와 같은 기계 학습 모델에 매우 중요합니다. TensorFlow는 곱셈, 전치, 반전, 결정자 계산, 선형 방정식 해결 등과 같은 가장 일반적인 모든 행렬 작업을 지원합니다. 좋은 기사. 코드는 완벽하게 작동했습니다. Docker에서 실행 중인 TensorFlow를 사용했는데 후속 문제가 없었습니다. 정말 고마워요.

간단한 표현식으로 시작하여 어떤 이유로 TensorFlow 방식으로 y = 5 * x + 13 함수를 평가하려고한다고 가정해 보겠습니다. NumPy 배열은 보조 함수 convert_to_tensor를 사용하여 텐서플로우 텐서로 쉽게 변환할 수 있어 개발자가 파이썬 개체를 텐서 개체로 변환하는 데 도움이 됩니다. 이 함수는 텐서 개체, NumPy 배열, 파이썬 목록 및 파이썬 스칼라를 허용합니다. tf를 사용하지 않은 경우 sess.close()로 세션을 종료해야 합니다. 세션() sess: 텐서플로우 세션을 시작합니다. 이 TensorFlow 자습서에서 볼 수 있듯이 TensorFlow는 기계 학습에 근본적으로 필요한 수학적 표현식과 다차원 배열로 작업하는 강력한 프레임워크입니다. 또한 데이터 그래프 실행 및 크기 조정의 복잡성을 추상화합니다. 먼저 TensorFlow가 위의 작은 예제 계산을 수행하도록 $a = (b + c) * (c + 2)$을 수행하도록 합시다. 먼저 우리는 TensorFlow 변수와 상수에 자신을 소개해야합니다. 몇 가지 선언 하자 다음 구문을 설명 합니다.: 멋진, 지금 우리는 우리의 TensorFlow 설치.

우리가 해결하려고하는 문제를 통해 실행하자. 최신 동영상 및 업데이트를 보려면 TensorFlow YouTube 채널 및 블로그를 구독하십시오. aymericdamien/TensorFlow-예제에서 새로운 릴리스에 대한 알림을 원하십니까? 일반적으로 청크로 실행되는 TensorFlow 프로그램을 작성합니다. 이것은 파이썬으로 작업 할 때 첫눈에 모순입니다.