1. TensorFlow와 간단한 Linear Regression

In [25]:

from IPython.core.display import display, HTML

display(HTML("<style> .container{width:90% !important;}</style>"))


import tensorflow as tf
import os

# info 로그를 필터링 하려면 1, warning 로그는 2, error 로그는 3
os.environ['TF_CPP_MIN_LOG_LEVEL'] = '2'

In [26]:

hellow = tf.constant("hellow!")
print(hellow)

tf.Tensor(b'hellow!', shape=(), dtype=string)

In [ ]:

In [27]:

# 앞쪽 레이어

In [28]:

node1 = tf.constant(3.0, tf.float32)
node2 = tf.constant(4.0, tf.float32)
print(node1, node2)

tf.Tensor(3.0, shape=(), dtype=float32) tf.Tensor(4.0, shape=(), dtype=float32)

In [29]:

node3 = node1 + node2
print(node3)

tf.Tensor(7.0, shape=(), dtype=float32)

In [ ]:

In [30]:

# 뒷쪽 레이어의 노드를 함수로 정의

In [31]:

@tf.function
def forward():
    return node1 + node2

In [32]:

out_a = forward()

In [33]:

print(out_a)

tf.Tensor(7.0, shape=(), dtype=float32)

In [34]:

if out_a == node3:
    print("오잉")

오잉

In [ ]:

(구버전)placeholder -> @tf.function 사용하기¶

In [35]:

@tf.function
def Add(a, b):
    return a + b

In [36]:

a = tf.constant(1)
b = tf.constant(2)
c = Add(a, b)
print(c)

tf.Tensor(3, shape=(), dtype=int32)

In [37]:

c = tf.constant([1,2])
d = tf.constant([3,4])
e = Add(c,d)
print(e)

tf.Tensor([4 6], shape=(2,), dtype=int32)

In [38]:

f = Add(c,a)

In [39]:

f

Out[39]:

<tf.Tensor: shape=(2,), dtype=int32, numpy=array([2, 3])>

In [ ]:

In [ ]: