모두를 위한 딥러닝 Lec 00, 01 발표자료

2.  About 10 min Lecture
 Programming tutorial using Tensorflow

3.  Neural networks
 Deep Learning
 CNN
 RNN
 Bidirectional Neural networks

4.  Google이 만든 머신러닝을 위한 오픈소스 라이
브러리
 64비트 Linux, Windows, MacOS의 데스크탑이
나 서버시스템의 여러 개의 CPU, GPU에서 구동
됨
 GPU에서 일반 연산을 가능하게 해주는 CUDA
확장기능을 사용

6.  여러 ML/Machine Intelligence를 위한 라이브러
리들 중에 contribution, fork, issue 최다
 공부할 수 있는 자료가 가장 많다.
 많은 모델이 구현되었고 소스 또한 오픈되어있음.
 C, C++, Python을 활용해 사용가능

7.  Tensorflow는 data flow graph
를 이용한 수치계산 라이브러
리 이다.
 Data는 tensor로 표현되고 이
tensor가 flow해서 tensorflow
라는 이름이 붙여짐.

8.  설치환경
 64비트 OS
▪ MacOS X 10.11 (El Capitan) or later.
▪ Ubuntu 16.04 or later
▪ Windows 7 or later.
 GPU 지원 Tensorflow
▪ NVIDA CUDA GPU장착
▪ CUDA toolkit 7.0이상
▪ cuDNN v3 이상
▪ CUDA 연산능력(Compute Capability) 3.0 이상 GPU카드

9.  윈도우
 Anaconda Prompt에서
▪ >pip install tensorflow
 MacOS
 Linux
 www.tensorflow.org 참고

11. Tensorflow는 data flow graph를 이용해 수치계산을 한다.
1. hello 라는 노드에 ‘Hello World’ 저장(edge 없음)
2. sess라는 이름의 세션을 만듦
3. sess.run 함수를 통해 hello라는 노드를 실행

12. ADD
3
1
2

13. 예제1) 2행 3열 두 행렬의 원소끼리 곱을 해보자

14.  Tensorflow 프로그램은 모든 데이터를 tensor
구조로 나타냄
 연산 graph에 있는 작업들(op)간에는 tensor만
을 주고받을 수 있음.
 n차원의 배열/리스트로 생각해도 됨
 Static type, shape, rank

15.  Rank : 차원수
 [[1,2], [2,3], [4,1]] rank = 2
 Shape : Tensor의 모양
 [[1,2], [2,3], [4,1]] shape = [2,3]
 Type : data type
 tf.float32
 tf.float64
 tf.int8
 tf.int16
 tf.int32
 tf.int64

17. Hypothesis
𝐻 𝑥 = 𝑊𝑥 + 𝑏
Cost function
𝑐𝑜𝑠𝑡 𝑊, 𝑏 =
1
𝑚
𝑖=1
𝑚
𝐻 𝑥(𝑖)
− 𝑦(𝑖) 2
𝑦(𝑖)
∶ 𝑡𝑟𝑢𝑒 𝑣𝑎𝑙𝑢𝑒

18. cost
W
b
hypo
train

19. 점점 cost는 작아지고, W는 1에 수렴하고, b는 0에 수렴하고 있다.
예제1)
X, Y train값을 placeholder를 통해
각각 [1, 2, 3, 4, 5], [2.1, 3.1, 4.1, 5.1, 6.1]로 주고 결과를 확인해보자.

21.  모두를 위한 딥러닝, 김성훈
 [8]
https://ghebook.blogspot.kr/2011/06/tenso
r.html