tensorflow 예제 실행

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. 다음은 이러한 작업을 호출하는 기본 예입니다. 이 튜토리얼은 예를 통해, TensorFlow에 쉽게 다이빙을 위해 설계되었습니다. 가독성을 위해 TF v1 및 v2 모두에 대해 설명이 포함된 노트북과 소스 코드가 모두 포함되어 있습니다. 고급 Keras API는 딥 러닝 모델을 만들고 학습하는 구성 요소를 제공합니다. 이러한 초보자 친화적인 노트북 예제로 시작하여 TensorFlow Keras 가이드를 읽어보십시오. 다음 예제는 TensorFlow에 대한 단순화된 인터페이스를 제공하는 라이브러리인 TFLearn에서 제공됩니다. 당신은 모양을 가질 수 있습니다, 많은 예와 미리 빌드 된 작업 및 레이어가 있습니다.

X_1 및 X_2 노드를 곱셈 노드로 전달합니다. 계산 그래프에서 이러한 노드를 연결하도록 tensorflow를 알려주므로 x 및 y에서 값을 가져와 결과를 곱하도록 요청합니다. 곱셈 노드에 이름을 곱한 곱수도 제공합시다. 그것은 우리의 간단한 계산 그래프에 대한 전체 정의입니다. 마지막으로, 평균 비용으로 진행 상황을 인쇄하고 교육이 완료된 후 정확도 작업을 실행하여 테스트 세트에서 학습된 네트워크의 정확도를 인쇄합니다. 이 프로그램을 실행하면 업데이트(07/14/2019) 다음 출력이 생성됩니다: 몇 가지 TensorFlow v2 예제가 추가되었습니다! (더 곧). 모든 예제를 다운로드하려면 이 리포지토리를 복제하기만 하면 됩니다. 그런 다음 Graph()를 통해 그래프를 초기화할 수 있습니다. 이 함수를 사용하여 계산을 정의합니다. 그래프에서는 값을 보유하지 않으므로 아무 것도 계산하지 않습니다. 나중에 실행하려는 작업을 정의합니다. 코드의 처음 두 줄에서, 우리는 tf로 텐서 플로우를 가져 온.

파이썬을 사용하면 라이브러리에 짧은 이름을 사용하는 것이 일반적입니다. 장점은 라이브러리를 사용해야 할 때 라이브러리의 전체 이름을 입력하지 않도록 하는 것입니다. 예를 들어 텐서플로우를 tf로 가져오고 텐서플로우 함수를 사용하려는 경우 tf를 호출할 수 있으며, 그 후에는 학습 데이터 집합에서 선택한 데이터로 신경망을 학습합니다. 첫째, 우리는 훈련 기능을 정의합니다. 이 함수는 신경망을 확장하고 여러 일괄 처리를 만들어 학습 집합의 데이터를 제공해야 합니다. 교육 예제가 임의 순서인 경우 교육이 가장 효과적입니다. 셔플 함수가 호출된 이유입니다. 요약하면 train_function은 전달된 학습 데이터 집합을 사용하여 데이터를 임의로 선택하고 DNNClassifier의 학습 메서드에 다시 제공하여 데이터 일괄 처리를 만듭니다.

Tento obsah bol zaradený v Nezaradené. Zálohujte si trvalý odkaz.