tensorflow 기본문법(placeholder/variable/constant)

텐서플로우(Tensorflow) 기본 문법

placeholder

 

선언과 동시에 초기화 하는것이 아니라 

일단 선언후 그다음값을 전달한다. 따라서 반드시 실행시 데이터가 제공되어야한다.

정확히 다른 텐서를 placeholder에 맵핑 시키는것

 

전달 파라미터 

placeholder(
    dtype,
    shape=None,
    name=None
)

 

dtype :데이터 타입을 의미하며 반드시 적어줘야함

shape : 입력 데이터의 형태를 의미한다. 상수값이 될수도있고 다차원 배열의 정보가 들어올수도있다.(

안적어도됨 defalut로  none)

name : 말그대로 placeholder에 이름을 부여하는것 (안적어도됨 defalut로  none)

---

ex)

mat_img = [1,2,3,4,5]

label = [10,20,30,40,50]

 

ph_img = tf.placeholder(dtype=tf.float32)

ph_lb = tf.placeholder(dtype=tf.float32)

 

ret_tensor = ph_img + ph_lb

 

result = sess.run(ret_tensor, feed_dict={ph_img:mat_img, ph_lb:label})

print(result)             

 

 

== [11. 22. 33. 44. 55.]

 

---

 

Variable

 

variable은 텐서가 아니라 하나의 객체가 되는것.

variable 클래스의 인스턴스가 생성되는것이고 해당 인스턴스를 그래프에 추가시켜주어야한다.

 

ex)

var1 = tf.Variable([5])

var2 = tf.Variable([10])

var3 = tf.Variable([3])

 

var4 = var1 * var2 + var3

 

//  global_variables_initializer() 사용해야한다. 

이자체가 연산이된다.  global_variables_initializer()를 호출하기 전에 그래프의 상태는 각 노드에 값이 아직없는 상태를 의미한다. 

따라서 해당 함수를 사용해주어야 variable의 값이 할당되는것이고 텐서의 그래프로써의 효력이 발생하는것이다.

(옛 버전은 , //  initialize_all_variables()이다 ) 

 

init = tf.global_variables_initializer()   

 

sess.run(init)

print(var4)

 

result = sess.run(var4) 

print(result)

---

Constant

기본적으로 텐서플로우에 값을 할당하기 위해서는 constant라는 키워드를 사용

아래와 같이 변수 a에 1차원 배열형태 1,2,3, 할당

                변수 b에 2차원 배열형태로 값을전달 .

 

import tensorflow as tf

 

a = tf.constant([1,2,3])

b = tf.constant([[10,20,30], [100,200,300]])

c = tf.add(a,b)

 

print(c)

[[ 11 22 33]  [101 202 303]] 이 아닌 다른결과물이 출력.

 

텐서플로우 프로그래밍 모델을  이해할것.

Tensor 라는 동적사이즈의 다차원 데이터 배열 그리고 Flow라는 이 Tensor들의 흐름을 제어하는 의미인것으로 데이터플로우 그래프 기반의 라이브러리 .

결과적으로 모든것은 Tensor라는 것으로 이루어져있고 이를통해 연산을하고 결과를 출력.

따라서 기본적으로 텐서를 선언하고 프린트하였으니 당연히 텐서의 정보를 출력한것.

위의 텐서는 (2,3) 형태의 배열에 자료형이 정수형임을 의미한다.

 

---

텐서플로우 구조 

기본적으로 텐서플로우는 텐서의 정보만반환 즉 파이선레벨에서는 절대 연산을 수행하지않는다.

 

텐서플로우를 연산하는법

=> Session 과 Grapch를 이용하는것

 

텐서의 연산끼리는 그래프 라는것을 그린다.

방향성그래프를 생성하는데 이것이 곧 하나의 세션을 의미한다.

그리고 이렇게 생성된 하나의 세션은 연산장치(cpu,gpu)로 올라가서 연산을 수행.

즉, 위의 그래프를 세션의 형태로 담아서 연산장치에 심어준다.

 

....... 

Client 단 에서는 데이터의 흐름을 그래프로 정의하여 세션을 만드는 것

Distributed Master 는 Session.run() 을 통하여 그래프의 부분부분을 나누어 분산 처리하여 각 Worker Services 에 보낸다.

Worker Services는 Distributed Master 단에서 받은 각 그래프의 부분조각의 작업을 커널(Kernel) 단에서 처리하기 위해 스케쥴링을 실시한다.

Kernel Implementations 에서는 Worker Services 에서 스케쥴된 작업 즉, 연산을 수행한다.