TensorFlow23 Deep MNIST (2) 계산그래프 Computation Graph Python으로 효율적인 수치 연산을 하기 위해, 보통 행렬곱 등의 비싼 연산을 Python 외부에서 처리하는 NumPy등의 라이브러리들을 사용하는데, NumPy등은 다른 언어로 구현된 매우 효율적 인 코드를 이용합니다. 불행히도, 모든 op에서 Python으로 도로 스위칭하는 과정에서 아주 큰 오버헤드가 여전히 발생됩니다. 이러한 오버헤드는 GPU를 이용하거나 분산 처리할 경우에 매우 커서 데이터전송에 비용이 많이 소요될 수 있습니다. To do efficient numerical computing in Python, we typically use libraries like NumPy that do expensive operations such as matri.. 2016. 4. 27. 전문가용 Deep MNIST(1) Deep MNIST for Experts 전문가용 Deep MNIST TensorFlow는 대규모 수치계산을 수행하는 강력한 라이브러리입니다. 이 라이브러리가 가속하는 작업 중 하나는 심층신경망(Deep neural network, DNN)을 구현하고 훈련 시키는 것입니다. 이제 부터 심층합성곱NMIST분류기(deep convolutional NMIST classifier)를 만들면서 TensorFlow 모델의 기본 빌딩블록에 대해 배울 것입니다. TensorFlow is a powerful library for doing large-scale numerical computation. One of the tasks at which it excels is implementing and training de.. 2016. 4. 27. Feeds (13) Feeds 앞의 예는 텐서를 상수(Constants)와 변수(Variables)에 저장하여 계산그래프안으로 텐서를 끌어옵니다. The examples above introduce tensors into the computation graph by storing them in Constants and Variables. TensorFlow는 그래프 안의 모든 ops에 텐서를 직접 붙이는 feed메커니즘도 제공합니다. TensorFlow also provides a feed mechanism for patching a tensor directly into any operation in the graph. feed는 일시적으로 op의 출력을 텐서 값으로 대체합니다. A feed temporarily repla.. 2016. 3. 31. Fetch (12) FetchesOps의 출력을 가져오기 위하여, 객체 Session에서 run() call로 그래프를 실행하고, 검색을 위하여 텐서 안으로 전달합니다. To fetch the outputs of operations, execute the graph with a run() call on the Session object and pass in the tensors to retrieve. 앞 예제에서, 단일 node state를 가져왔으나 복수의 tensors도 가져올 수 있습니다: In the previous example we fetched the single node state, but you can also fetch multiple tensors: input1 = tf.constant(3.0)input.. 2016. 3. 31. 이전 1 2 3 4 5 6 다음