텐서플로우로 만든 모델을 저장 및 로딩하고 모델 파라미터 값들을 tensorboard에 표현해 보자. data = np.loadtxt('../data/data.csv', delimiter=',', unpack=True, dtype='float32') x_data = np.transpose(data[0:2]) y_data = np.transpose(data[2:]) data.csv 파일을 읽어서 앞의 두개의 데이터는 x_data로 나머지 데이터는 y_data에 저장하자. 참고로 data.csv는 아래의 형태로 구성되어 있다. 1 0 0 0 1 1 1 0 1 0 0 0 1 0 0 x_data의 경우 transpose를 안해줄 경우 2x3 형태의 데이터 [[1 1 0] [0 1 0]] 로 저장이 되기 때문에 ..

TensorFlow 에서는 Tensorboard라고 하는 시각화 서비스를 제공한다. Tensorboard를 통해 Loss의 흐름이나 각 스텝 별 값이 변화등을 확인할 수가 있다. 그럼 이제 어떻게 Tensorboard를 사용하는지 우선 코드를 보자.import tensorflow as tfimport numpy as np raw_data = np.random.normal(10, 1, 100)alpha = tf.constant(0.05)curr_value = tf.placeholder(tf.float32)prev_avg = tf.Variable(0.)update_avg = alpha * curr_value + (1 - alpha) * prev_avg avg_hist = tf.summary.scalar("r..

지난 번에 레이어 없는 MNIST를 구현 하였다면 이번에는 Hidden Layer가 있는 MNIST를 구현해 보는 코스이다. 소스는 아래와 같다. 코드가 지난 번 보다는 복잡하다. 우선 MNIST 데이터를 가져오기 위한 input_data.py는 /root/work/deep/code/01_mnist_beginning에 있다고 가정하고 위와 같이 sys.path.append를 정의해 주었다. 실행 순서대로 코드를 분석해 보자면, 우선 run_training을 통해 실제 mnist 데이터를 training하고 test를 진행해 볼수 있다. run_training 함수를 살펴보자. data_sets = input_data.read_data_sets("MNIST_data/", False) 위의 함수를 통해 mn..