텐서플로우 예제코드

이제 TensorFlow를 통해 첫 번째 신경망을 성공적으로 만들었습니다! 이 계산을 수행하려면 먼저 TensorFlow의 tf.reduce_sum 함수를 사용합니다. 이 경우 제공되는 텐서가 단일 노드 및 교육 샘플에 대한 요소 별 교차 엔트로피 계산입니다: $y_j^{{(i)}}로그(y_j_{{{(i)}) + (1 – y_j^{{(i)})로그(1 – y_j_^{(i)}). 위의 계산에서 y와 y_클리핑은 (m x 10) 텐서이므로 두 번째 축에 대한 첫 번째 합계를 수행해야합니다. 이것은 축 = 1 인수를 사용하여 지정되며, 여기서 “1”은 실제로 Python과 같은 제로 기반 인덱스 시스템이있을 때 두 번째 축을 나타냅니다. 이제 우리는 텐서 플로우를 설치할 준비가, 실행하여 : 우리는 텐서 플로우의 요소를 논의하기 위해 이동하기 전에, 우리는 먼저 TensorFlow와 작업의 세션을 할 것입니다, 텐서 플로우 프로그램이 어떻게 생겼는지의 느낌을 얻기 위해. 구글의 텐서플로우는 최근 딥러닝에서 화제가 되고 있다. 데이터 흐름 그래프를 효율적으로 계산할 수 있도록 설계된 오픈 소스 소프트웨어는 딥 러닝 작업에 특히 적합합니다. 단일 또는 다중 CPU 및 GPU에서 실행되도록 설계되어 복잡한 딥 러닝 작업에 적합합니다. 그것은 가장 최근의 화신에서 – 버전 1.0 – 그것은 심지어 특정 모바일 운영 체제에서 실행할 수 있습니다.

TensorFlow에 대한 이 소개 자습서에서는 파이썬의 TensorFlow의 기본 개념 중 일부에 대한 개요를 제공합니다. 이는 컨볼루션 신경망, 자연어 모델 및 패키지의 반복 신경망과 같은 보다 복잡한 딥 러닝 네트워크를 구축하는 데 좋은 디딤돌이 될 것입니다. MNIST 데이터 집합을 분류하는 간단한 3계층 신경망을 만듭니다. 이 자습서에서는 필요한 경우 신경망 자습서에서 처음부터 다시 사용할 수 있는 신경망의 기본 사항에 익숙하다고 가정합니다. TensorFlow를 설치하려면 여기의 지침을 따르십시오. 이 자습서의 코드는 이 사이트의 GitHub 리포지토리에서 찾을 수 있습니다. 작업이 완료되면 Keras라고 하는 TensorFlow 위에 있는 더 높은 수준의 딥 러닝 라이브러리를 확인할 수도 있습니다. 텐서플로우는 다양한 종류의 환원을 지원합니다.