Uncategorized No Comments

tensorflow placeholder 예제

TensorFlow 자리 표시자는 처음에는 비어 있으며 실제 교육 예제에서 피드하는 데 사용됩니다. 다음으로 두 번째 TensorFlow 자리 표시자를 첫 번째 와 동일한 dtype으로 정의하고 자리 표시자_ex_two에 할당합니다. 여기서는 두 자리 표시자를 정의한 다음 세 번째 노드를 만들어 자리 표시자를 모두 추가하고 작업을 실행합니다. 우리는 대화형 세션을 사용하고 있음을 기억하십시오. 출력은 다음과 입니다. 학습 중에 모델의 자리 표시자(셰이프 등을 추가 또는 삭제 또는 변경)해도 다른 수정 없이 검사점 다시 로드할 수 있습니다. 그러나 저장된 모델의 변수가 변경되면 검사점(검사점)을 다시 로드하고 학습을 계속하려면 검사점(검사점에서 사용할 수 있어야 합니다)을 조정해야 합니다. 이 예제는 이전 예제와 약간 다르게 작동합니다. 항상 공급되는 텐서의 자리 표시자를 삽입합니다. 다른 문제 집합에서 동일한 모델을 실행하는 기능을 위해 자리 표시자 및 피드 사전이 필요합니다.

TensorFlow 프로그램이 더욱 복잡해짐에 따라 시각화를 따라가야 합니다. 회귀는 원인과 효과가 있는 관계를 모델링하려고 시도합니다. 원인은 발생하는 독립적인 변수이며 효과는 원인에 따라 다릅니다. 선형 회귀는 회귀 X 원인을 모델링할 때 발생하는 직선 회귀로 Y. 원인은 설명 변수라고도 합니다. 자리 표시자는 일부 식 안에 바인딩됩니다. 자리 표시자의 구문은 다음과 입니다. 우리는 모든 session.run 명령에 가져 오기 및 feed_dict 패스를 제공합니다. fetches 매개 변수는 우리가 계산할 것을 나타내고 피드 사전은 우리가 할 수있는 그 계산에 대한 자리 표시자 값을 지정하고 그래프를 저장하거나 다시 작성하기 위해 변수를 저장하거나 복원해야합니다. 자리 표시자는 주로 다른 데이터 집합(예: 교육 데이터 또는 테스트 데이터)에 대한 소유자이지만 변수는 학습 프로세스에서 학습되고 동일하게 유지됩니다(입력 결과를 예측하거나 샘플의 입력 및 출력[레이블]을 매핑). 모델을 다시 학습할 때까지(다른 또는 동일한 샘플을 사용하여 종종 dict를 통해 자리 표시자에 채우기(예: session.run, dict={a_자리 표시자_name: sample_values})를 사용하여 자리 표시자는 모델을 설정하는 매개변수로 전달됩니다. 자리 표시자에는 여러 차원이 있으므로 배열을 저장할 수 있습니다.

다음 예제에서는 3 x 2 행렬을 만들고 일부 숫자를 저장합니다. 그런 다음 이전과 동일한 작업을 사용하여 요소별 숫자를 두 배로 배배합니다. 예를 들어 간단한 선형 회귀 WX+B=Y(W와 B가 관측값의 입력에 대한 가중치와 바이어스와 X를, 관측값의 출력에 대한 Y)를 사용합니다. 분명히 X와 Y는 W및 B (잠재 변수)와 다른 동일한 특성 (매니페스트 변수)입니다. X와 Y는 샘플(관측값)의 값이므로 채울 장소가 필요하며 W와 B는 가중치와 바이어스인 반면, 변수(이전 값은 나중에 영향을 않음)는 다른 X 및 Y 쌍을 사용하여 학습되어야 합니다.

write a comment