Interactive 사용법 (10)

Interactive Usage

 

문서 안의 Python 예제는 Session을 가진 그래프를 가동시키고, ops를 실행시키기 위하여 Session.run() method를 사용합니다.
The Python examples in the documentation launch the graph with a Session and use the Session.run() method to execute operations.

IPython과 같은 상호작용적 파이썬 환경에서는 편의상, InteractiveSession 클래스, Tensor.eval() 및 Operation.run()  메소드들을 대신 사용할 수 있습니다.
For ease of use in interactive Python environments, such as IPython you can instead use the InteractiveSession class, and the Tensor.eval() and Operation.run() methods.

이것을 사용하면 세션을 보유하는 변수를 유지하지 않아도 됩니다.
This avoids having to keep a variable holding the session.

import tensorflow as tf

# interactive TensorFlow Session을 enter 하기

sess = tf.InteractiveSession()

x = tf.Variable([1.0, 2.0])

a = tf.constant([3.0, 3.0])

 

# initializer op의 run() 메소드를 사용하여 ‘x’를 초기화 하기

x.initializer.run()

# 'x'로부터 ‘a’를 빼기 위하여 op를 추가하고 그것을 가동시킨 다음 결과를 print하기

sub = tf.sub(x, a)

print(sub.eval())

# 출력된 결과

[-2. -1.]

# 작업이 끝나면 Session 닫기

sess.close()

 

Tensors

TensorFlow프로그램은 모든 데이터를 표현하기 위하여 tensor data구조를 사용합니다 – 계산그래프의 ops 사이에서는 텐서 만이 전달됩니다.
TensorFlow programs use a tensor data structure to represent all data -- only tensors are passed between operations in the computation graph.

TensorFlow텐서를 n-차원(dimensional) 배열(array) 또는 리스트(list)라고 생각하면 됩니다.
You can think of a TensorFlow tensor as an n-dimensional array or list.

1개의 텐서는 static type 1개, rank 1개, 그리고 형상(shape) 1개를 갖고 있습니다.
A tensor has a static type, a rank, and a shape.

TensorFlow가 이들 개념을 처리하는 방법을 더 배우려면 Rank, Shape 및 Type 참조를 보십시오.
To learn more about how TensorFlow handles these concepts, see the Rank, Shape, and Type reference.