tensorflow- basic

Basic implementation of TF

1. cost function with tf

$J(w)= w^2 -10w+25$ 이라는 cost function이 존재할때,
cost function의 최솟값을 구한다면 w=5이다.

w = tf.Variable(0, dtype=tf.float32) # 가중치 선언 
optimizer = tf.keras.optimzers.Adam(0.1) # lr = 0.1 
def train_step(): # training step 
    with tf.GradientTape() as tape: # casette tape 처럼 기록을 남긴다. 재방문 가능
        cost = w**2 -10 * w + 25
    trainable_variables = [w]
    grads = tape.gradient(cost, trainable_variables)
    optimizer.apply_gradients(zip(grads, trainable_variables)) # zip으로 묶는다.
print(w) # 0 값이다.
train_step() # 0.09999..
for i in range(1000):
	train_step() # 거의 5이다.

2. training data with cost function using TF

w = tf.Variable(0, dtype=tf.float32) # 가중치 선언 
x = np.array([1.0,-10.0,25.0], dtype=np.float32)
optimizer = tf.keras.optimzers.Adam(0.1) # lr = 0.1 
def cost_fn():
	cost = x[0] * w ** 2 + x[1] * w +x[2]
def training(x, w, optimizer):
	for i in range(1000):
    	optimizer.minmize(cost_fn, [w])
    return w
print(w) # 0 값
optimizer.minmize(cost_fn, [w])
print(w) # 0.099999.. 
w = training(x,w,optimizer)
print(w) # 5에 가까운 값