Tensorflow는 Google에서 제공하는 기계 학습 프레임워크입니다. 알고리즘, 딥 러닝 애플리케이션 등을 구현하기 위해 Python과 함께 사용되는 오픈 소스 프레임워크입니다. 연구 및 생산 목적으로 사용됩니다. 복잡한 수학 연산을 빠르게 수행하는 데 도움이 되는 최적화 기술이 있습니다. NumPy와 다차원 배열을 사용하기 때문입니다. 이러한 다차원 배열은 '텐서'라고도 합니다. 이 프레임워크는 심층 신경망 작업을 지원합니다.
'tensorflow' 패키지는 아래 코드 줄을 사용하여 Windows에 설치할 수 있습니다 -
pip 설치 텐서플로
Tensor는 TensorFlow에서 사용되는 데이터 구조입니다. 흐름도에서 가장자리를 연결하는 데 도움이 됩니다. 이 흐름도를 '데이터 흐름 그래프'라고 합니다. 텐서는 다차원 배열 또는 목록에 불과합니다. 세 가지 주요 속성을 사용하여 식별할 수 있습니다.
순위 - 텐서의 차원에 대해 알려줍니다. 텐서의 순서 또는 정의된 텐서의 차원 수로 이해할 수 있습니다.
유형 - Tensor의 요소와 관련된 데이터 유형에 대해 알려줍니다. 1차원, 2차원 또는 n차원 텐서일 수 있습니다.
모양 - 행과 열의 개수입니다.
'Fashion MNIST' 데이터셋에는 다양한 종류의 의복 이미지가 포함되어 있습니다. 10가지 카테고리에 속하는 70,000개 이상의 옷에 대한 회색조 이미지가 포함되어 있습니다. 이 이미지는 저해상도(28 x 28픽셀)입니다.
Google Colaboratory를 사용하여 아래 코드를 실행하고 있습니다. Google Colab 또는 Colaboratory는 브라우저를 통해 Python 코드를 실행하는 데 도움이 되며 구성이 필요 없고 GPU(그래픽 처리 장치)에 대한 무료 액세스가 필요합니다. Colaboratory는 Jupyter Notebook을 기반으로 구축되었습니다.
다음은 코드 조각입니다 -
예
print("테스트 데이터에서 이미지를 가져왔습니다.")img =test_images[26]print("이미지의 치수는 ")print(img.shape)print("이미지가 배치에 추가되는 위치에 is the only entity")img =(np.expand_dims(img,0))print("현재 이미지의 크기입니다. ")print(img.shape)my_pred =probability_model.predict(img)print("예측은 ")print(my_pred)plot_value_array(1, my_pred[0], test_labels)_ =plt.xticks(range(10), class_names, 회전=45)np.argmax(my_pred[0]) 코드 크레딧 - https://www.tensorflow.org/tutorials/keras/classification
출력
테스트 데이터에서 이미지를 가져옵니다.이미지의 크기는(28, 28)이미지가 유일한 개체인 일괄 처리에 추가됩니다.지금 이미지의 크기(1, 28, 28)예측은 [
설명
-
테스트 이미지의 크기가 콘솔에 표시됩니다.
-
'expand_dims'는 일괄 또는 예제 모음에서 동시에 작업하도록 최적화되어 있습니다.
-
단일 이미지도 목록의 일부로 추가됩니다.
-
예측 함수는 모든 목록이 배치 데이터의 이미지에 해당하는 목록 목록을 반환합니다.
-
우리가 원하는 이미지에 대한 예측이 추출되어 콘솔에 표시됩니다.
-
'matplotlib'를 막대그래프로 이용하여 시각화하였습니다.