Tensorflow의 기본 개념 : Tensor, Rank, Flow, Graph, Node, Edge, Session

텐서란? 랭크란?

---

• tensor란 int, float, string과 같은 자료형이다.
• tensor란 여러가지 형태를 가질 수 있는 numpy 배열이다.
• 텐서에서 배열의 차원을 Rank라고 표현한다. 0차원, 1차원, 2차원이 아닌 0랭크, 1랭크, 2랭크 이다.

What is tensor?

tensor1 = 7 # 0-dimensional
tensor2 = [7] # 1-dimensional
tensor3 = [[1,2,3], # 2-dimensional [4,5,6]] ... ...

Flow

Flow란 결국 Graph이다.즉 모든 계산을 쉽게 하기 위해서 각각의 연산을 잘게 쪼개고 이것을 Graph로 연결 한 것이다.미분 Chain Rule 같은것을 생각해보면 왜 연산이 간단해 지는지 알 수 있다.

Graph, Node, Edge

선언부와 실행부가 다르다

TensorFlow코드 상에서 a=1을 선언해도 추후에 이것이 반영되는 것이지 지금 당장 변수 a가 1로 assgin된것은 아니다.이러한 부분이 기본적인 python 프로그래밍과는 다른점이다. 이러한 동작 매커니즘을 생각해보면 결국 앞으로 어떻게 동작 할 것이다라는 계획을 Graph로 표현한것이 TensorFlow가 되는 것이다.

• Operation: 동작을 정의한 것
• Node: Operation 정의를 포함한 것
• Edge: Node와 Node를 연결한 것

Graph

---

it means a graph is just an arrangement of nodes that represent the operations in your model.

그래프란, 단순히 '노드'들을 통해 연결된 계산들의 집합이다.

Session

---

To compute anything, a graph must be launched in a session. Technically, session places the graph ops on hardware such as CPUs or GPUs and provides methods to execute them. In our example, to run the graph and get the value for c the following code will create a session and execute the graph by running 'c':

import tensorflow as tf
a = 2
b = 3
c = tf.add(a, b, name='Add')
print(c)

sess = tf.Session()
print(sess.run(c))
sess.close()

 

세션은, 인터넷 세션의 개념과 비슷하다. Graph를 실행해주는 하나의 페이지라고 생각하면 된다.