aymericdamien/TensorFlow-예제에서 새로운 릴리스에 대한 알림을 원하십니까? TensorFlow에 대한 명확하고 간결한 예제를 찾으려는 초보자에게 적합합니다. 기존의 `원시` TensorFlow 구현 외에도 최신 TensorFlow API 사례(예: 레이어, 추정기, 데이터 집합 등)도 찾을 수 있습니다. 일반적으로 청크로 실행되는 TensorFlow 프로그램을 작성합니다. 이것은 파이썬으로 작업 할 때 첫눈에 모순입니다. 그러나 원하는 경우 TensorFlow의 대화형 세션을 사용하여 라이브러리와 보다 대화식으로 작업할 수도 있습니다. 이 기능은 IPython 작업에 익숙할 때 특히 유용합니다. Conda를 설치한 후 TensorFlow 설치 및 사용에 사용할 환경을 만들 수 있습니다. 다음 명령은 NumPy와 같은 몇 가지 추가 라이브러리로 환경을 만들며, TensorFlow를 사용하기 시작하면 매우 유용합니다. 계산 그래프는 그래프 개체를 직접 호출할 필요 없이 라이브러리를 사용하는 기본 제공 프로세스입니다. TensorFlow의 그래프 개체는 작업 집합과 텐서를 데이터 단위로 포함하며 동일한 프로세스를 허용하고 각 그래프가 다른 세션에 할당되는 두 개 이상의 그래프를 포함하는 작업 간에 사용됩니다. 예를 들어, 간단한 코드 c = tf.add(a, b)는 두 개의 텐서 a와 b를 입력으로 취하고 합계 c를 출력으로 생성하는 작업 노드를 만듭니다.

게시자의 노트 : 파이썬과 딥 러닝은 파이썬 언어와 강력한 케라스 라이브러리를 사용하여 딥 러닝의 분야를 소개합니다. 케라스 크리에이터이자 구글 AI 연구원인 프랑수아 콜렛(François Chollet)이 쓴 이 책은 직관적인 설명과 실용적인 사례를 통해 여러분의 이해를 구축합니다. 텐서를 잘 이해하려면 선형 대수학 및 벡터 미적분에 대한 실무 지식을 가지는 것이 좋습니다. 텐서가 텐서플로우에서 다차원 데이터 어레이로 구현된다는 소개를 이미 읽었지만, 텐서와 텐서의 기계 학습 사용을 완전히 파악하기 위해서는 좀 더 많은 소개가 필요할 수 있습니다. 좋은 기사. 코드는 완벽하게 작동했습니다. Docker에서 실행 중인 TensorFlow를 사용했는데 후속 문제가 없었습니다. 정말 고마워요.

위의 코드는 2 번째 시스템 GPU에서 계산을 실행합니다. 당신은 나와 함께 CPU 버전을 설치 한 경우, 다음이 현재 옵션이 아닙니다,하지만 당신은 여전히 라인 아래로 가능성을 알고 있어야합니다. TensorFlow의 GPU 버전은 CUDA가 제대로 설정되어야 합니다(CUDA 지원 GPU 필요와 함께). 나는 몇 가지 CUDA 활성화 GPU를 가지고, 결국뿐만 아니라 자신의 사용을 커버하고 싶습니다, 하지만 그건 또 다른 날입니다! TensorFlow는 Google이 만들고 딥 러닝 모델을 설계, 구축 및 학습하는 데 사용한 두 번째 기계 학습 프레임워크입니다. TensorFlow 라이브러리를 사용하여 수치 계산에 사용할 수 있으며, 그 자체로는 그리 특별해 보이지 않지만 이러한 계산은 데이터 흐름 그래프로 수행됩니다. 이러한 그래프에서 노드는 수학적 연산을 나타내고 가장자리는 일반적으로 이러한 가장자리 간에 전달되는 다차원 데이터 배열 또는 텐서인 데이터를 나타냅니다. TensorFlow에서 변수를 사용하는 또 다른 방법은 해당 변수를 학습할 수 없고 다음과 같은 방법으로 정의할 수 있는 계산입니다.