[AI] Tensorflow 기본개념 👆🏻

🤖 인공지능을 다시 시작해보자 2

Python라는 것을 간단하게 살펴보았고 (해당링크)
해당 언어로 구성되어 있는 Tensorflow를 학습해보려고 한다.

Tensorflow의 개념을 공부해보자

Tensorflow 예제를 돌려보자

내가 원하는 데이터로 학습을 시키고 결과를 도출해보자

---

🌊 Tensorflow 무엇일까?

딱딱한 정의

• 텐서플로우(TensorFlow)는 기계 학습과 딥러닝을 위해 구글에서 만든 오픈소스 라이브러리
• 데이터 플로우 그래프(Data Flow Graph) 방식을 사용

내가 딥러닝을 해보기위해 필수로 알아야되는 라이브러리

데이터 플로우 그래프(Data Flow Graph)란?

• 데이터 플로우 그래프는 수학 계산과 데이터의 흐름을 노드(Node)와 엣지(Edge)를 사용한
  방향 그래프(Directed Graph)로 표현
• 노드는 수학적 계산, 데이터 입/출력, 그리고 데이터의 읽기/저장 등의 작업을 수행
• 엣지는 노드들 간 데이터의 입출력 관계를 나타냅니다.
• 엣지는 Tensor(다차원 데이터 배열)를 실어 나르는데, 이것이 곧 Tensorflow

Tensorflow를 정확하게 이해하기 위해서는 Tensor가 무엇인지 알아야할듯?!!

---

📦 Tensor 무엇일까?

• 인공지능에서의 텐서(Tensor)는 수학적 개념의 다차원 배열

  텐서(Tensor)를 이해하기 위해 Rank, shape, type를 알아야 한다.

⚙️ Rank

• 텐서(Tensor)의 차원을 의미

RANK	TYPE	EXAMPLE
0	Scalar	[1]
1	Vector	[1,1]
2	Matrix	[[1,1],[1,1]]
3	3 Tensor	[[[1,1],[1,1]],[[1,1],[1,1]]]
4	N Tensor	[[[[1,1],[1,1]],[[1,1],[1,1]]]................

이미지 참조 : https://hiddenbeginner.github.io/deeplearning/2020/01/21/pytorch_tensor.html

• 0차 텐서 : 벡터가 없기 때문에 스칼라
• 1차 텐서 : 벡터가 하나 있기 때문에 벡터
• 2차 텐서 : 벡터가 두 개 일렬로 있기 때문에 행렬이나 다이애드
• 3차 텐서 : 2차 텐서가 가 일렬로 있기 때문에 트라이애드
• N차 텐서 : n-1 차 텐서가 일렬로 구성

차원의 수

⚙️ shape

RANK	SHAPE	DIMENSION NUMBER	EXAMPLE
0	[]	0-D	A 0-D tensor, A scalar
1	[DO]	1-D	A 1-D tensor with shape[5]
2	[DO,D1]	2-D	A 2-D tensor with shape[3,4]
3	[DO,D1,D2]	3-D	2-D
4	[DO,D1,...Dn-1]	n-D	A tensor with shape[DO,D1,...Dn-1]

• 각 축이 몇 개의 엘리먼트(Element)로 구성되어있는지 나타내는 값
• 차원과 함께 몇개의 원소들로 이루어져 있는지의 여부 파악 가능.

⚙️ Type

Data Type	Python Type	Descripiton
DT_FLOAT	tf.float32	32 bits floating point
DT_DOUBLE	tf.float64	64 bits floating point
DT_INT8	tf.int8	8 bits signed integer
DT_INT16	tf.int16	16 bits signed integer
DT_INT32	tf.int32	32 bits signed integer
DT_INT64	tf.int64	64 bits signed integer

출처 및 참조 : https://www.tensorflow.org/tutorials