# tensorflow

Windows 10(WSL)에서 Docker를 활용하여 Tensorflow-GPU를 사용하기
0\. 서론1\. WSL 2 및 Ubuntu 설치하기2\. NVIDIA 그래픽 드라이버 설치하기3\. Ubuntu(WSL)에서 Docker와 nvidia-docker 설치하기4\. Docker에 Tensorflow-GPU 설치하기도커에서 Tensorflow-GPU를 사

M1 맥북 tensorflow 설치
M1 맥북 Tensorflow1) Miniforge 설치M1용 Miniforge Shell Script 다운로드https://github.com/conda-forge/miniforge/releases/latest/download/Miniforge3-MacOSX

로지스틱 회귀(Logistic Regression)
로지스틱 회귀(Logistic Regression)는 지금까지 설명드린 단순|다중 선형 회귀(Linear Regression)의 종속변수(Y)가 연속형 이였던것에 반해, 종속변수(Y)가 범주형이면서 결과가 이진수(0 OR 1)일때 사용합니다. 이를 이용해 어떤 사건(e

다중선형회귀(Multivariable Linear regression)
다중 선형회귀란? 앞서 다룬 x가 1개인 선형회귀를 단순 선형회귀라고 합니다(Simple Linear Regression)이라고 합니다. 이번 게시글에서는 다수의 x값으로부터 y를 예측하는 다중 선형 회귀(Multivariable Linear regression)에

선형회귀(Linear Regression)
선형회귀(Linear Regression)란 가장 간단하며 딥러닝(Deep Learning)의 기초가 되는 머신러닝(Machine Learning)알고리즘으로, 데이터를 가장 잘 표현하는 일차함수식을 만드는 것 이다. 일반적으로 우리가 알고있는 일차함수식은 {x:

네 가지 키워드로 딥러닝(Deep_learning) 시작하기
딥러닝은 입력과 출력의 관계를 잘 설명 가능한 복잡한 함수식의 가중치를 찾는 과정입니다.또, 딥러닝의 학습은 손실 함수를 최소화하는 인공 신경명의 가중치와 편향을 찾는 과정을 말합니다.저는 딥러닝의 키포인트를 네 가지라고 생각합니다. 이들은 각각 활성화 함수, 손실함수
[TF] tf.py_function
tf.py_function과 @tf.function의 차이가 궁금해졌다."@tf. function turns python code into a series of TensorFlow graph nodes. tf. py_function wraps an existing py
ImportError: cannot import name 'get_file' from 'keras.utils'
TensorFlow1 과 TensorFlow2에서 migration이 일어남으로써 생기는 문제다. 본인의 경우 TensorFlow 1인데 2의 코드를 사용했기에 발생했다.TensorFlow 1의 경우TensorFlow 2의 경우
tensorflow 선형회귀 연습
머신러닝의 입문하기로 결심했다.이제부터 시작이다...ㅠtensorflow keras로 선형회귀 연습을 하려고 한다.일단 kaggle에 가입해 주기로 했다....자료가 많으니..kaggle에서 받아온 연봉 측정 csv를 받아와서 예측해 보도록 하겠다.일단 kaggle 에
[Tensorflow 2.0] 굳이 dtype float32 를 사용하는 이유
sample data 를 tensorflow 로 생성하다 보면 dtype 을 float32 로 지정하는 경우가 자주 보인다. float32 는 32 비트 숫자, float64 는 64 비트 숫자이다.때문에 float64 는 숫자를 더 정밀하게 표현할 수 있고, floa
[python] np.linspace(), tf.linspace() 1차원 배열 생성 함수 정리
보다시피 전자는 numpy 의 함수, 후자는 tensorflow 의 함수이다.linspace 는 Linear Space(선형 공간)의 줄임말 같다.모든 함수가 그렇듯 이름에서 그 기능이 유추된다. 😌두 개 함수 모두 1차원 배열을 생성한다.아래와 같이 start, s
CNN with TF low level
tf.keras와 tf.nn에 같은 기능을 하는 layer를 구현해놨다. low level에서는 tf.nn이 돌아갈 거라고 생각은 했지만 그러려니 하면서 넘겨왔다. 그러다 소스코드를 봤는데 있어야 되나 싶은 조건문들이 많이 붙어있었고 이걸 걷어내고 싶었다.
[class weight] multi-output model에 적용하는 방법
일반적으로 단일 출력단을 갖는 모델일 때는, 각 class에 대해 label이 one-hot encoding 되어있든, integer-encoding 되어있든 다음과 같이 dict 형태로 class_weight를 작성한 다음 fit함수 안에 넣어주면 된다. 출처: ht

tensorflow serving 서버 CI/CD 구축하기
해당 포스팅은 tensorflow serving을 github action과 aws elastic beanstalk를 이용해 ci/cd를 구축하는 과정을 소개합니다.

Tensorflow Serving으로 Deeplearning Model Serving하기
해당 포스팅은 tensorflow 환경에서 학습된 딥러닝 모델(deeplearning model)을 사용자에게 서빙(serving)하는 방법에 대해서 다룹니다.
VSCode Tensorflow reload - enable_eager_execution() 관련 이슈 해결
tf.enable_eager_execution() 을 설정했다가, 사용하지 않으려는데 자꾸 eager 관련 에러가 발생해요! 어떻게 커널이나 라이브러리 호출을 초기화시켜야 하나요?

[딥러닝]CUDA로 딥러닝 모델 빨리 학습하기
상황 : 오늘도 파이참을 켜서 평화롭게 딥러닝 모델을 학습시키려는데, 아니이게 무슨일인가 cpu로 돌렸더니 너무 느리다. gpu를 사용하면 텐서플로우(TF) 연산을 빠르게 할 수 있다고 하여 cuda를 깔아서 딥러닝에 gpu 사용하는 방법을 정리하기로 하였다.나의 TF