텐서플로우 인공신경망 예제

Posted by on kol. 2, 2019 in Nekategorizirano | 0 comments

TensorFlow가 스칼라 출력(예: 단수 출력시 9.0)에서 텐서(즉, 배열/행렬)로 자연스럽게 적응하는 방법을 알 수 있습니까? 이는 데이터가 그래프를 통해 어떻게 흐르는지에 대한 이해를 기반으로 합니다. 일반적으로 텐서플로우의 코딩 철학을 이해하는 데는 다소 시간이 걸릴 수 있지만, 핵심 구성 요소에 익숙해지면 기계 학습 앱을 빌드하는 데 매우 편리합니다. 이 게시물에서는 기본 구성 요소를 표시하고 모델을 완벽하게 제어하기 위해 하위 수준 Core API를 사용했지만 일반적으로 tf.estimator 또는 Keras와 같은 외부 라이브러리와 같은 상위 수준의 API를 사용하는 것이 훨씬 간단합니다. 이제 신경망이 “학습된” 것을 시도해 볼 수 있게 되었으므로 TensorFlow가 무엇을 하는지 탐색할 때 이 데이터가 실제로 어떻게 보이는지 이해하는 것이 도움이 될 것입니다. 신경망의 일반적인 구현은 다음과 같습니다: TensorFlow 프로그램에 사용할 수 있는 다양한 API가 있습니다. 가장 낮은 레벨은 코어로 알려져 있으며 텐서, 그래프 및 세션과 같은 기본 구성 요소와 함께 작동합니다. 그들은 TensorFlow 2 쉬운 높은 수준의 API를 가지고 말한다, 스핀을 위해 그것을 보자: “TensorFlow는 데이터 흐름 그래프를 사용하여 수치 계산을위한 오픈 소스 소프트웨어 라이브러리입니다. 그래프의 노드는 수학적 연산을 나타내고 그래프 가장자리는 다차원 데이터 배열(일명 텐서)을 나타냅니다. 유연한 아키텍처를 사용하면 단일 API를 사용하여 데스크톱, 서버 또는 모바일 장치에 하나 이상의 CPU 또는 GPU에 계산을 배포할 수 있습니다.” 텐서 플로우 (TensorFlow)를 통해 모퉁이를 돌면 (그 코너를 따라 얼마나 멀리 있는지 확실하지 않음) 첫 번째 신경망을 만드는 것이 결코 쉬워졌습니다 (TensorFlow가 가는 한). 올바른 예측 작업 correct_prediction은 텐서플로우 tf.equal 함수를 사용하여 제공된 인수가 같는지 여부에 따라 True 또는 False를 반환합니다.

tf.argmax 함수는 벡터/텐서에서 최대값의 인덱스를 반환하는 numpy argmax 함수와 동일합니다. 따라서 correct_prediction 작업은 신경망이 숫자를 올바르게 예측했는지 여부를 지정하는 True 및 False 값의 크기 텐서(m x 1)를 반환합니다. 그런 다음 이 텐서에서 평균 정확도를 계산하려고 합니다 . 이를 완료하고 나면 이제 신경망의 성능을 평가할 수 있는 정확도 작업이 준비되었습니다. 신경망은 배울 것이 필요합니다. 기계 학습에서 뭔가 라는 데이터 집합입니다. 오늘날의 데이터 집합을 패션 MNIST라고 합니다. 인공 신경망(ANN)은 네 가지 주요 개체로 구성됩니다.

기계 학습 플랫폼 (정말 구글?) 생성 및 구글에 의해 오픈 소스. TensorFlow는 주로 해당 용도로 사용되지만 신경망을 만들기 위한 특수 목적 라이브러리는 아닙니다.