notebook.community



In [20]:

    
import tensorflow as tf
import numpy as np
from sklearn.datasets import fetch_california_housing



In [2]:

    
print(tf.__version__)



In [3]:

    
x = tf.Variable(3, name="x")
y = tf.Variable(4, name="y")
f = x*x*y + y + 2



In [4]:

    
with tf.Session() as sess:
    x.initializer.run()
    y.initializer.run()
    result = f.eval()

각 변수의 초기화를 일일이 실행하지 않고 모든 변수를 초기화하고 싶으면



In [10]:

    
init = tf.global_variables_initializer()

with tf.Session() as sess:
    init.run()
    result = f.eval()
    print(result)

Jupyter나 Python shell 에선 InteractiveSession도 추천!
- Session과 다른 점은 InteractiveSession이 만들어질 때 자신을 기본 세션으로 지정하는 것
- with 블록을 사용할 필요 없음(그러나 수동으로 세션을 종료)



In [8]:

    
sess = tf.InteractiveSession()
init.run()
result = f.eval()
print(result)



In [9]:

    
sess.close()

Tensorflow

구성 단계
실행 단계



In [11]:

    
x1 = tf.Variable(1)



In [12]:

    
x1.graph is tf.get_default_graph()









    Out[12]:





True



In [13]:

    
graph = tf.Graph()
with graph.as_default():
    x2 = tf.Variable(2)



In [14]:

    
x2.graph is graph









    Out[14]:





True



In [15]:

    
x2.graph is tf.get_default_graph()









    Out[15]:





False



In [16]:

    
w = tf.constant(3)
x = w + 2
y = x + 5
z = x * 3



In [17]:

    
with tf.Session() as sess:
    print(y.eval())
    print(z.eval())

위 코드는 w,x 를 두 번 평가함
한번에 모두 평가하도록 하려면 아래 코드처럼



In [18]:

    
with tf.Session() as sess:
    y_val, z_val = sess.run([y, z])
    print(y_val)
    print(z_val)

회귀분석



In [21]:

    
housing = fetch_california_housing()
m, n = housing.data.shape
housing_data_plus_bias = np.c_[np.ones((m,1)), housing.data]









    



Downloading Cal. housing from https://ndownloader.figshare.com/files/5976036 to /Users/byeon/scikit_learn_data



In [23]:

    
X = tf.constant(housing_data_plus_bias, dtype=tf.float32, name="X")
y = tf.constant(housing.target.reshape(-1, 1), dtype=tf.float32, name="y")
XT = tf.transpose(X)
theta = tf.matmul(tf.matmul(tf.matrix_inverse(tf.matmul(XT,X)), XT), y)



In [25]:

    
with tf.Session() as sess:
    theta_value = theta.eval()
    print(theta_value)









    



[[-3.7185181e+01]
 [ 4.3633747e-01]
 [ 9.3952334e-03]
 [-1.0711310e-01]
 [ 6.4479220e-01]
 [-4.0338000e-06]
 [-3.7813708e-03]
 [-4.2348403e-01]
 [-4.3721911e-01]]



In [26]:

    
A = tf.placeholder(tf.float32, shape=(None, 3))
B = A + 5



In [27]:

    
with tf.Session() as sess:
    B_val_1 = B.eval(feed_dict={A: [[1,2,3]]})
    B_val_2 = B.eval(feed_dict={A: [[4,5,6], [7,8,9]]})



In [29]:

    
print(B_val_1)









    



[[6. 7. 8.]]



In [30]:

    
print(B_val_2)









    



[[ 9. 10. 11.]
 [12. 13. 14.]]



In [ ]:

    
X = tf.placeholder(tf.float32, shape=(None, n+1), name="X")
y = tf.placeholder(tf.float32, shape(None, 1), name="y")

Saver



In [ ]:

    
save = tf.train.Saver()



In [ ]:

    
with tf.Session() as sess:
    sess.run(init)
    
    for epoch in range(n_epochs):
        if epoch % 100 == 0:
            save_path = saver.save(sess, "./tmp/my_model.ckpt")
            
        sess.run(training_op)
        
    best_theta = theta.eval()
    save_path = saver.save(Sess, "./tmp/my_model_final.ckpt")



In [ ]:

    
with tf.Session() as sess:
    saver.restore(sess, "./tmp/my_model_final.ckpt")

saver를 세부적으로 제어하려면 저장 또는 복원할 변수를 지정하거나 이름을 사용



In [ ]:

    
saver = tf.train(saver({"weights": theta}))

그래프 구조와 변수값을 포함해 저장한 모델 복원하고 싶은 경우



In [ ]:

    
saver = tf.train.import_meta_graph("./tmp/my_model_final.ckpt.meta")

with tf.Session() as sess:
    saver.restore(sess, "./tmp/my_model_final.ckpt")



In [ ]:

텐서보드



In [31]:

    
from datetime import datetime



In [34]:

    
now = datetime.utcnow().strftime("%Y%m%d%H%M%S")
root_logdir = "tf_logs"
logdir = "{}/run-{}/".format(root_logdir, now)



In [36]:

    
mse_summary = tf.summary.scalar("MSE", mse)
file_writer = tf.summary.FileWriter(logdir, tf.get_default_graph())



In [38]:

    
with tf.name_scope("loss") as scope:
    error = y_pred - y
    mse = tf.reduce_mean(tf.square(error), name="mse")



In [ ]: