In [1]:
import tensorflow as tf
print(tf.__version__)


1.2.0

In [2]:
hello = tf.constant("Hello")

In [3]:
print(hello)


Tensor("Const:0", shape=(), dtype=string)

파이썬3 버전은 문자열(str) unicode가 기본이므로 str에서 encoding처리해 줘야 bytes 타입을 uncode type으로 변환함 안해줄 경우 b'Hello'이렇게 나옴


In [4]:
sess = tf.Session()
print(str(sess.run(hello),encoding = "utf-8"))
# print(sess.run(hello))
sess.close()


Hello

In [5]:
a = tf.constant(1234, dtype=tf.float32)
b = tf.constant(5000, dtype=tf.float32)
print(a)
print(b)


Tensor("Const_1:0", shape=(), dtype=float32)
Tensor("Const_2:0", shape=(), dtype=float32)

In [6]:
add_op = a + b
print(add_op)


Tensor("add:0", shape=(), dtype=float32)

In [7]:
with tf.Session() as sess:
    print(sess.run(add_op))


6234.0

In [8]:
add_op2 = tf.add(a,b)
with tf.Session() as sess:
    print(sess.run(add_op2))


6234.0

마크다운으로 메모 작성하기...!

마크 다운으로 메모를 작성합니다.

이번 절의 목표

  • jupyter notebook
  • 시각적으로 기계 학습 살펴보기

In [9]:
%matplotlib inline

In [10]:
import matplotlib.pyplot as plt

In [11]:
plt.hist([1,2,3])
plt.show()



In [12]:
import numpy as np

In [13]:
x = np.arange(-20,20,0.1)

In [14]:
y = np.sin(x)

In [15]:
plt.plot(x,y)


Out[15]:
[<matplotlib.lines.Line2D at 0x11af5d828>]

In [16]:
a = tf.constant(100)
b = tf.constant(50)

In [17]:
add_op = a + b

In [18]:
v = tf.Variable(0)
let_op = tf.assign(v, add_op)

In [19]:
with tf.Session() as sess:
    sess.run(tf.global_variables_initializer())
    _, v_val = sess.run([let_op,v])
    print(v_val)


150

In [ ]: