텐서플로우의 자료형
텐서플로우는 뉴럴네트워크에 최적화 되어있는 개발 프레임워크이기 때문에, 실행방식이 일반 프로그래밍 방식과 상이한 면이 있다.
상수형(Constant)
상수형은 말 그대로 데이터를 저장하는 데이터형이다. 정의되는 구조는 다음과 같다.
tf.constant(value, dtype=None, shape=None, name='Const', verify_shape=False)
- value : 상수의 값
- dtype : 상수의 데이터형. tf.float32와 같이 실수,정수등의 데이타 타입을 정의 -cshape : 행렬의 차원을 정의한다. shape=[3,3]으로 정의해주면, 이 상수는 3x3 행렬을 저장하게 된다.
- name : name은 이 상수의 이름을 정의한다
예제를 하나 작성해 보았다.
일반적인 프로그래밍의 경우를 생각해본다면 d의 값이 print가 되어야 하지만 프린트 되고 있지 않고 있다.
이를 이해하기 위해선 그래프와 세션의 개념에 대해 알아야 한다.
그래프와 세션
위의 d = a*b+c 연산은 계산을 수행하는 것이 아닌 a*b+c 그래프를 정의하는 것이다.
값을 출력하기 위해서는 이 그래프에 a,b,c의 값을 넣어주어 실행해야 한다.
이를 위해 세션(session) 을 생성하여 그래프를 생성한다. 세션은 그래프를 인자로 받아 실행해 결과 값을 return해주는 일종의 Runner이다.
세션 생성 API는 tf.Session() 으로 작성하면 된다.
세션을 생성해 그래프를 실행하면 다음과 같이 결과 값이 출력된다.
Placeholder
학습을 위한 데이터를 담는 그릇
y = 2*x 라는 함수의 그래프를 실행할 때, 입력 값으로는 [1,2,3,4,5], 출력은 [2,4,6,8,10] 을 기대한다고 했을 때 다음과 같은 그래프가 그려진다.
플레이스홀더는 위의 그래프에서 x, 즉 입력값(학습용 데이터)을 저장하는 일종의 버킷이다.
정의하는 방법은 다음과 같다.
tf.placeholder(dtype, shape, name)
- dtype : placeholder에 저장되는 데이터 형. tf.float32와 같이 실수,정수등의 데이타 타입을 정의
- shape : 행렬의 차원을 정의한다. shape=[3,3]으로 정의해주면, 이 상수는 3x3 행렬을 저장하게 된다.
- name : 이 placeholder의 이름
placeholder에 데이터를 넣는 방법을 feeding 이라고 한다.
import tensorflow as tf
input_data = [1,2,3,4,5]
x = tf.placeholder(dtype=tf.float32)
y = x * 2
sess = tf.Session()
result = sess.run(y,feed_dict={x:input_data})
print result
sess.run(y,feed_dict={x:input_data}) 와 같이 세션을 통해서 그래프를 실행할 때, feed_dict 변수를 이용해서 플레이스홀더 x에, input_data의 데이터들을 피드하면, 세션에 의해서 그래프가 실행되면서 x는 feed_dict에 의해서 정해진 피드 데이타 [1,2,3,4,5]를 하나씩 읽어서 실행한다.
변수형 (Variable)
Linear regression의 경우 y = W*x+b 라는 학습용 가설을 기반으로 가진다.
x가 입력데이터(placeholder)였다면, W와 b는 학습을 통해 구해야 하는 값이다. 이를 변수(variable) 이라 한다.
tf.Variable.__init__(initial_value=None, trainable=True, collections=None,
validate_shape=True, caching_device=None, name=None, variable_def=None,
dtype=None, expected_shape=None, import_scope=None)
tf.Variable(initial_value, dtype)
텐서플로우에서 변수형은 그래프를 실행하기 전에 초기화 해주어야 한다.
초기화 해주는 방법은 tf.global_variables_initializer() 를 사용하는 것이다. 구현해보면 다음과 같다.ㄴ
import tensorflow as tf
input_data = [1,2,3,4,5]
x = tf.placeholder(dtype=tf.float32)
W = tf.Variable([2],dtype=tf.float32)
y = W*x
sess = tf.Session()
init = tf.global_variables_initializer()
sess.run(init)
result = sess.run(y,feed_dict={x:input_data})
print result
모델을 그래프로 정의하고, 세션을 만들어서 그래프를 실행하고, 세션이 실행될때 그래프에 동적으로 값을 넣어가면서 (피딩) 실행한 다는 기본 개념을 잘 이해해야, 텐서플로우 프로그래밍을 제대로 시작할 수 있다.
참고URL
이 글의 모든 그림들은 조대협님 블로그(위의 링크)에서 퍼왔습니다.