728x90
반응형
TensorFlow Matrix
- 텐서플로우에서 행렬의 차원은 shape라는 개념으로 표현
- 행렬의 가장 기본 개념은 행과 열
- m x n : m=행, n=열
행렬 곱셈
- 곱셈은 앞의 행렬에서 행과 뒤의 행렬의 열을 순차적으로 곱해준다
- 앞 행렬의 열과 뒤 행렬의 행이 같아야 곱할 수 있다
행렬 덧셈
- 행렬의 덧셈은 같은 행과 열에 있는 값을 더한다
- 덧셈을 하는 두 개 행렬의 차원은 동일해야 한다
텐서플로우 행렬 표현
import tensorflow as tf
a = tf.constant([[2,0],[0,1]], dtype=tf.float32)
b = tf.constant([[1,1],[1,1]], dtype=tf.float32)
print(tf.matmul(a, b).numpy())
print(tf.linalg.inv(a).numpy())
>>
[[2. 2.]
[1. 1.]]
[[0.5 0. ]
[0. 1. ]]
TensorFlow Broadcasting
행렬 연산(덧셈, 뺄셈, 곱셈)에서 차원이 맞지 않을 떄 행렬을 자동으로 늘려줘서(Stretch) 차원을 맞춰주는 것
import tensorflow as tf
x = tf.constant([[1.,2.,3.],[4.,5.,6.],[7.,8.,9.]])
y = tf.constant([[1.,1.,1.]])
print('shape{} {}'.format(x.get_shape(), y.get_shape()))
sub_xy = tf.subtract(x, y)
print(sub_xy)
>>
shape(3, 3) (1, 3)
tf.Tensor(
[[0. 1. 2.]
[3. 4. 5.]
[6. 7. 8.]], shape=(3, 3), dtype=float32)
728x90
반응형
'Machine Learning > TensorFlow' 카테고리의 다른 글
[Machine Learning] Neural Network MNIST 데이터 처리 (0) | 2021.03.04 |
---|---|
[Machine Learning] Model Save & Load (0) | 2021.03.03 |
[Machine Learning] TensorFlow with Keras (0) | 2021.03.02 |
[Machine Learning] TensorFlow Function (0) | 2021.02.27 |
[Machine Learning] TensorFlow Basic (0) | 2021.02.26 |