tensorflow 예제 모음

tf.train.Saver()에 아무 것도 지정하지 않으면 모든 변수가 저장됩니다. 만약 에, 우리는 모든 변수와 그들 중 일부를 저장 하지 않으려는. 저장하려는 변수/컬렉션을 지정할 수 있습니다. tf.train.Saver 인스턴스를 만드는 동안 저장하려는 변수의 목록이나 사전을 전달합니다. 예를 들어, 추정기는 프로덕션 환경에서 여러 컴퓨터에서 대형 모델을 학습할 수 있습니다. TensorFlow는 일반적인 ML 알고리즘을 구현하기 위해 미리 만들어진 추정기 컬렉션을 제공합니다. 추정기 가이드를 참조하십시오. Tensorflow 모델을 저장하고 복원하는 방법을 이해한 이제 미리 학습된 모델을 복원하고 예측, 미세 조정 또는 추가 교육에 사용할 수 있는 실용적인 가이드를 개발해 보겠습니다. Tensorflow로 작업할 때마다 예제(학습 데이터)와 학습 속도, 글로벌 단계 등과 같은 일부 하이퍼매개 변수를 제공하는 그래프를 정의합니다. 자리 표시자를 사용하여 모든 학습 데이터와 하이퍼 매개 변수를 공급하는 표준 관행입니다. 자리 표시자를 사용하여 작은 네트워크를 구축하고 저장해 보겠습니다.

네트워크를 저장하면 자리 표시자의 값이 저장되지 않습니다. x 입력 계층은 28 x 28(=784) 픽셀에 해당하는 784개의 노드이고 y 출력 계층은 가능한 10자리에 해당하는 10개의 노드입니다. 다시 말하지만, x의 크기는 (? x 784), 여기서 ? 입력할 샘플의 아직 지정되지 않은 수를 의미합니다 – 이것은 자리 표시자 변수의 함수입니다. 그래프의 여러 노드 간에 애니메이션된 데이터 흐름은 다차원 데이터 배열인 텐서입니다. 예를 들어 입력 데이터 텐서가 5000 x 64 x 1일 수 있으며, 이는 5000개의 학습 샘플이 있는 64노드 입력 계층을 나타낸다. 입력 레이어 후에는 활성화 함수로 정류선형 단위가 있는 숨겨진 레이어가 있습니다. 비용 / 손실 함수로 크로스 엔트로피를 사용하는 최종 출력 층 (위의 그래프에서 “로그 레이어”라고)가 있습니다. 각 지점에서 우리는 마지막으로 역 전파 및 그라데이션 하강을 수행하는 스토커스 그라데이션 하강 최적화로 흐르는 “그라데이션”블록으로 흐르는 관련 텐서를 참조하십시오. 신경망을 학습한 후에는 나중에 사용하고 프로덕션에 배포할 수 있도록 신경망을 저장해야 합니다. 그렇다면 텐서플로우 모델은 무엇일까요? Tensorflow 모델에는 주로 학습한 네트워크 매개 변수의 네트워크 설계 또는 그래프 및 값이 포함됩니다. 따라서 Tensorflow 모델에는 두 가지 주요 파일이 있습니다.

표준 관행으로, 당신은 손실 및 정확도 번호에 시계를 유지합니다. 네트워크가 수렴된 것을 확인한 후에는 수동으로 교육을 중지하거나 고정된 수의 에보시에 대한 교육을 실행할 수 있습니다. 교육이 완료되면 나중에 사용할 수 있도록 모든 변수와 네트워크 그래프를 파일에 저장하려고 합니다.