pycharm 텐서플로우 예제

예를 들어, 3차원 공간에서 3개의 숫자로 시퀀스가 있는 단일 숫자와 벡터를 가진 스칼라를 나타내는 것처럼 텐서는 3차원 공간에서 3R 숫자의 배열로 표현될 수 있습니다. 참고: 콘다 포지를 사용하여 동일한 방식으로 다른 많은 라이브러리를 설치할 수 있습니다(예: 케라스, OpenCV, Scikit Learn 등)(텐서플로우_env) C:> conda 설치 -c 콘다-포지 케라스(tensorflow_env) C:c conda-forge opencv (tensorflow_env) C:> conda 설치 -c conda-forge scikit-learn 설치 작동 여부를 테스트하려면 test.py 라는 파이썬 파일을 만듭니다. 다음 파이썬 스크립트를 test.py 복사하여 PyCharm에서 실행합니다. 현재 텐서플로우 버전을 출력하면 텐서플로우가 성공적으로 설치됩니다. 그래서, 텐서 플로우는 어떻게 작동합니까? 글쎄, 우선 그들의 전체 솔루션텐서, 텐서 플로우의 원시 단위 주위에 회전된다. TensorFlow는 텐서 데이터 구조를 사용하여 모든 데이터를 나타냅니다. 수학에서 텐서(tensor)는 다른 기하학적 객체 간의 선형 관계를 설명하는 기하학적 객체입니다. TesnsorFlow에서 그들은 다차원 배열 또는 데이터, 즉입니다. 행렬. 좋아, 그것은 그만큼 간단하지 않다, 그러나 이것은 전체 텐서 개념은 내가 지금 가고 싶은 선형 대수에 더 깊이 간다. 어쨌든, 우리는 매트릭스 연산이 쉽고 효과적으로 수행되는 것을 사용하여 n 차원 배열로 텐서를 관찰 할 수 있습니다.

예를 들어 아래 코드에서 두 개의 상수 텐서를 정의하고 다른 값에 한 값을 추가합니다: PyCharm 열기, 새 프로젝트 만들기 클릭, 폴더에 위치의 이름(예: 텐서플로우 테스트)을 지정하고 Virtualenv를 사용하여 새 환경을 선택하고 기본 인터프리터를 다음과 같이 선택합니다. 아나콘다3 폴더에서 python.exe. 계속하려면 확인을 클릭합니다. 그런 다음 학습 데이터 집합에서 선택한 데이터로 신경망을 학습합니다. 첫째, 우리는 훈련 기능을 정의합니다. 이 함수는 신경망을 확장하고 여러 일괄 처리를 만들어 학습 집합의 데이터를 제공해야 합니다. 교육 예제가 임의 순서인 경우 교육이 가장 효과적입니다. 셔플 함수가 호출된 이유입니다. 요약하면 train_function은 전달된 학습 데이터 집합을 사용하여 데이터를 임의로 선택하고 DNNClassifier의 학습 메서드에 다시 제공하여 데이터 일괄 처리를 만듭니다.

(텐서플로우_엔브) C:>python>> 가져오기 텐서플로우>>> 인쇄(tensorflow. __version__) 기억: 스칼라의 예는 “5미터” 또는 “60m/sec”이며 벡터는 “북쪽 5미터” 또는 “60m/초 동쪽”입니다. 이 두 가지 의 차이점은 벡터에 방향이 있다는 것입니다. 그럼에도 불구하고 지금까지 보았던 이러한 예제는 기계 학습 문제로 작업할 때 발생할 수 있는 벡터와는 거리가 먼 것처럼 보일 수 있습니다. 이것은 정상입니다. 수학 벡터의 길이는 순수한 숫자입니다. 반면 방향은 상대적입니다: 일부 기준 방향을 기준으로 측정되고 라디안 또는 도 단위가 있습니다. 일반적으로 방향이 양수이고 참조 방향에서 시계 반대 방향으로 회전한다고 가정합니다. 그렇다면 PyCharm 및 명령줄에서 사용하는 가상 환경에서 실행되는 텐서플로우 코드를 모두 결합하는 방법입니다. 내 pycharm 텐서 플로우 환경을 구성하지 않는 것을 의미하지만, 내 명령은 않습니다. 나는 텐서 플로우를 설치하려면, 핍을 사용 단계를 따랐다.

Windows에서 시작(화면 왼쪽 아래)을 클릭하고 아나콘다 프롬프트를 입력하고 명령 창을 엽니다.