TensorFlow 2.0 (Basic)

---

Advantages of TensorFlow 2.0

프로젝트에서 체중감량정도를 예측하는 시스템을 만드는 역할을 맡게 되어서 구글 코랩에 의존하지 않고 텐서를 다룰줄 알아야하는 상황이와서 텐서에 대해 공부하고자 시작한 강의이다.

텐서2.0의 장점 10가지 정도를 알아보고 텐서에 대해 공부를 시작하고자 한다.

 

1. Backed by Google

구글이 구축하고 지원한다는 것은 사용자들이 좋은 성능의 빠른 업데이트와 새로운 기능들을 많이 이용할 수 있다는 것을 의미한다.

 

2. Open Source and Free

텐서를 이용하면 SOTA Machine Learning framework를 무료로 이용할 수 있다.

 

3. Large and Vibrant Community

텐서 2.0의 커뮤니티는 굉장히 방대하여 지식을 쉽고 빠르게 얻을 수 있다.

 

4. In-Demand Skill & Growing in Popularity

상위 ML Library들(TF 2.0, PyTorch, Keras and FastAI)중에서 텐서 2.0이 가장 가파른 관련 직업 상승률을 보여준다.

 

5. Ease-of-Use & Feature-Rich

구글은 쉽게 사용할 수 있도록 하는 것을 높은 우선순위에 둔다. 따라서 텐서 2.0은 최신 버전인 만큼 쉽게 이용할 수 있다.

 

6. Compatibility Across Platforms

텐서 2.0은 GPU, CPU, desktop, server, web, 그리고 mobile computing platform support를 제공한다.

 

7. Visualization

새로운 모델을 만들고 디버깅할때 텐서 2.0은 이해하기 쉽도록 시각화를 해준다.

 

8. Integrations

Keras와 Estimators 같은 상위 레벨 library와 다양한 프로그래밍 언어들이 통합되어 사용될 수 있도록하여 초보자가 이용하기 편리하다.

 

9. Research and Production

 머리속의 아이디어를 코드로 실현 시키는 것은 어려운 작업이나 텐서 2.0은 빠른 조사와 제작을 도움으로써 최대한 쉽게 만들어주었다.

 

10. Auto-Differentiation

텐서 2.0의 자동 차별화 기능은 gradient-based ML algorithm에 도움을 준다.

---

텐서 설치, 상수, 변수

텐서를 설치하고 텐서의 버전을 확인

!pip install tensorflow-gpu==2.0.0-alpha0

import tensorflow as tf
import numpy as np

tf.__version__

상수를 정의하고 값을 출력

# Defining a constant in TensorFlow 2.0
tensor_20 = tf.constant([[23, 4], [32, 51]])

tensor_20
#전체 출력
<tf.Tensor: shape=(2, 2), dtype=int32, numpy=
array([[23,  4],
       [32, 51]], dtype=int32)>

# Getting the shape of a tensor
tensor_20.shape

#모양 출력
TensorShape([2, 2])

# Getting the values straight from a TensorFlow constant with numpy, and without the need of a session
tensor_20.numpy()

#값출력
array([[23,  4],
       [32, 51]], dtype=int32)

# We are able to convert a numpy array back to a TensorFlow tensor as well
numpy_tensor = np.array([[23,  4], [32, 51]])

tensor_from_numpy = tf.constant(numpy_tensor)

tensor_from_numpy

#numpy array 출력
<tf.Tensor: id=7, shape=(2, 2), dtype=int64, numpy=
array([[23,  4],
       [32, 51]])>

 

변수를 정의하고 값을 출력

 

tf2_variable = tf.Variable([[1., 2., 3.], [4., 5., 6.]])
tf2_variable

#출력
<tf.Variable 'Variable:0' shape=(2, 3) dtype=float32, numpy=
array([[1., 2., 3.],
       [4., 5., 6.]], dtype=float32)>
       
tf2_variable.numpy()

#값 출력
array([[1., 2., 3.],
       [4., 5., 6.]], dtype=float32)
       
#특정 위치의 값 바꾸기
tf2_variable[0, 2].assign(100)

#변경내용
<tf.Variable 'UnreadVariable' shape=(2, 3) dtype=float32, numpy=
array([[  1.,   2., 100.],
       [  4.,   5.,   6.]], dtype=float32)>
       
tf2_variable
#값 출력
<tf.Variable 'Variable:0' shape=(2, 3) dtype=float32, numpy=
array([[  1.,   2., 100.],
       [  4.,   5.,   6.]], dtype=float32)>

---