Saver2 [골빈해커의 3분 딥러닝] 05_01_TensorBoard 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 .. 2019. 6. 7. [TENSORFLOW] Tensor, operator, variable 생성하기 TensorFlow를 사용하는 가장 큰 이유는 무엇보다 코드의 간결함 때문일 것이다. 벡터 내적을 구하는 아래의 식을 우선 살펴보자.revenue = 0 for price, amout in zip(prices, amounts): revenue += price * amout 이번에는 numpy를 활용한 아래의 식을 살펴보자 import numpy as np revenue = np.dot(prices, amounts) numpy를 활용한 코드가 훨씬 간결함을 알 수가 있다. (하지만 이런 함수 제공이 마냥 좋은 것만은 아님..) 우리는 tensorFlow를 활용함으로써 machine learning을 보다 쉽게 접근해볼 수 있을 것이다. Tensor 생성하기 tensorFlow라는 용어에서 언급된 것처럼 t.. 2017. 4. 4. 이전 1 다음