bro's coding

sess=tf.InteractiveSession() X=tf.constant([1,2],dtype=tf.float32) y=tf.constant([3,5],dtype=tf.float32) w=tf.Variable(tf.random.normal([])) b=tf.Variable(tf.random.normal([])) tf.global_variables_initializer().run() pred_y=X*w+b mse=tf.reduce_mean(tf.square(y-pred_y)) dw=2*tf.reduce_mean(X*(y-pred_y)) db=2*tf.reduce_mean(y-pred_y) learning_rate=.001 op1=tf.assign(w,w+learning_rate*dw) # variabl..

행렬곱 sess=tf.InteractiveSession() tf.matmul([[1,2]],[[3],[4]]).eval() array([[11]]) 전치행렬 a=tf.constant([[1],[2]]) tf.transpose(a).eval() array([[1, 2]])

# 설계 a=tf.constant(2) b=tf.Variable(3) c=a*b # 실행 with tf.Session() as sess: sess.run(b.initializer) n=sess.run(c) print(n) # with를 사용하면 꿀기능이 있다. with tf.Session() as sess: b.initializer.run() # operation (동작 지시) n=c.eval()# tensor (값) print(n) # with 안에서는 어떤 session을 이야기하는지 알 수 있어서 위와 같이 사용 할 수 있다. # with 밖에서 사용하려면 interactiveSession()을 사용 a=tf.constant(2) b=tf.Variable(3) c=a*b sess=tf.Interac..

import numpy as np import tensorflow as tf tensorflow에서의 data type - tf.constant() - tf.Variable() - tf.placeholder() tf.constant() # 상수 - 학습률 등 고정된 값 tf.Variable() # 변수 - 가중치(w)와 절편(b) tf.placeholder() # 플레이스 홀더 - X값 등 > constant a=tf.constant(2) b=tf.constant(3) display(a,b) c=a*b display(c) sess=tf.Session() display(sess.run(c)) sess.run([a,b,c]) sess.close() 6 [2, 3, 6] > Variable a=tf.const..

# python 3.6 version 기준 1.12.0 version이 호환이 잘 됨 # anacoda를 관리자 권한으로 실행 후 아래 명령어 입력 pip install tensorflow==1.12.0 # 잘 되었나 확인하는 방법 import tensorflow as tf