TensorFlow23 TensorFlow Mechanics 101 (3) 모델 훈련시키기 Train the Model일단 그래프가 만들어지면, fully_connected_feed.py 안의 사용자 코드가 제어하는 루프 안에서 그 그래프를 반복적으로 훈련시키고 평가할 수 있습니다. Once the graph is built, it can be iteratively trained and evaluated in a loop controlled by the user code in fully_connected_feed.py.The Graphrun_training() 함수의 맨 위에는, 만들어진 모든 ops가 기본 전역 그래프 인스턴스인 tf.Graph에 연관되어 있음을 가리키는, python with command 하나가 있습니다. At the top of the run_traini.. 2016. 4. 30. TensorFlow Mechanics 101 (2) 추론 Inferenceinference() 함수는, output 예측이 포함될 수도 있는 텐서를 리턴하는데 필요한 만큼, 그래프를 작성합니다. The inference() function builds the graph as far as needed to return the tensor that would contain the output predictions.inference() 함수는, 이미지 플레이스홀더를 입력으로 취하고 그것 위에, output logits를 규정하는 10개 노드 선형 층이 뒤따르는, ReLu activation를 가진 한 쌍의 모두 연결된 층들을 구축합니다. It takes the images placeholder as input and builds on top of it a pa.. 2016. 4. 30. TensorFlow Mechanics 101 (1) TensorFlow Mechanics 101Code: tensorflow/examples/tutorials/mnist/이 교본은 (전형적인) MNIST 데이터집합을 사용하여 수기 숫자 분류에 대한 간단한 피드-포워드 신경망(NN)을 훈련시키고 평가하기 위한 TensorFlow 사용방법을 보여주는데 그 목적이 있습니다. 이 교본의 의도된 대상은 TensorFlow 사용에 관심이 있는 경험 있는 ML 사용자입니다. The goal of this tutorial is to show how to use TensorFlow to train and evaluate a simple feed-forward neural network for handwritten digit classification using the (.. 2016. 4. 30. CNN (3) 모델 평가하기 Evaluating a ModelHold-out 데이터집합에서 훈련된 모델이 잘 수행되는지 평가해봅니다. Let us now evaluate how well the trained model performs on a hold-out data set. 스크립트 cifar10_eval.py가 모델을 평가합니다. The model is evaluated by the script cifar10_eval.py. 이 스크립트가 inference() 함수로 모델을 구축하고, CIFAR-10의 평가 세트에서 1만개의 모든 이미지들을 사용합니다. It constructs the model with the inference() function and uses all 10,000 images in the eva.. 2016. 4. 30. 이전 1 2 3 4 ··· 6 다음