DAY61. Tensorflow LinearRegression (1)function basic (기본함수)

Tensorflow 기본함수

상수 생성 함수

tf.constant(value, dtype, shape) : 지정한 값(value)으로 상수 생성

tf.zeros(shape, dtype) : 모양과 타입으로 모든 원소가 0으로 생성

tf.ones(shape, dtype) : 모양과 타입으로 모든 원소가 1로 생성

tf.identity(input) : 내용과 모양이 동일한 상수 생성

tf.fill(shape, value) : 주어진 scalar값으로 초기화된 상수 생성

tf.linspace(start, stop, num) : start~stop 범위에서 num수 만큼 생성

tf.range(start, limit, delta) : 시작, 종료, 증감 으로 상수 생성

 

 

수학관련 함수 : tf.math.함수()

tf.math.add() : 덧셈 함수

tf.math.subtract() : 뺄셈 함수

tf.math.multiply() : 곱셈 함수

tf.math.divide() : 나눗셈(몫 계산) 함수

tf.math.mod() : 나눗셈(나머지 계산) 함수

tf.math.abs() : 절댓값 변경 함수

tf.math.square() : 제곱 계산 함수

tf.math.sqrt() : 제곱근 계산 함수

tf.math.round() : 반올림 함수

tf.math.pow() : 거듭제곱 함수

tf.math.exp() : 지수 함수

tf.math.log() : 로그 함수

 

 

차원축소 통계함수 : tf.reduce_xxx()

tf.reduce_sum() : 지정한 차원을 대상으로 원소들의 합계

tf.reduce_mean() : 지정한 차원을 대상으로 원소들의 평균

tf.reduce_prod() : 지정한 차원을 대상으로 원소들의 곱셈

tf.reduce_min() : 지정한 차원을 대상으로 최솟값 계산

tf.reduce_max() : 지정한 차원을 대상으로 최댓값 계산

tf.reduce_all() : 원소가 전부 True -> True 반환

tf.reduce_any() : 원소가 하나라도 True -> True 반환

 

 

난수 관련 함수 : tf.random.함수()

tf.random.normal(shape, mean, stddev) : 평균,표준편차 정규분포 생성

tf.truncated.normal(shape, mean, stddev) : 표준편차의 2배 수보다 큰 값 은 제거하여 정규분포 생성

tf.random.uniform(shape, minval, maxval) : 균등분포 난수 생성

tf.random.shuffle(value) : 첫 번째 차원 기준으로 텐서의 원소 섞기

tf.random.set_seed(seed) : 난수 seed값 설정

 

 

 

 

 

1. 상수 생성함수

import tensorflow as tf # ver2.x

a = tf.constant(10, tf.int32, (2, 3))
print(a)

b = tf.zeros( (2, 3) )
print(b) #sess.run()

c = tf.ones( (2, 3) )
print(c)

d = tf.identity(c)
print(d)

e = tf.fill((2, 3), 5) #(shape, value)
print(e) 

f = tf.linspace(15.2, 22.3, 5) #(start, stop, num)
print(f) 

g = tf.range(10, 1.5, -2.5) #(start, stop, step)
print(g)

 

 

 

 

 

2. 차원축소 통계/수학 함수

import tensorflow as tf # er2.x

data = [[1.5, 1.5], [2.5, 2.5], [3.5, 3.5]] #중첩 list 
data

print(tf.reduce_sum(data, axis=0)) #행축 합계:열 단위 합계 
#[7.5 7.5]
print(tf.reduce_sum(data, axis=1)) #열축 합계:행 단위 합계  
#[3. 5. 7.]

#전체 data 연산 
print(tf.reduce_mean(data)) #전체 data = 2.5  
print(tf.reduce_max(data)) #3.5 
print(tf.reduce_min(data)) #1.5

bool_data = [[True, True], [False, False]] 
print(tf.reduce_all(bool_data)) #False
print(tf.reduce_any(bool_data)) #True

csv file read 
가상환경에 pandas 설치 
(base) > conda activate tensorflow
(tensorflow) > conda install pandas

import pandas as pd 

iris = pd.read_csv(r'C:\ITWILL\5_Tensorflow\data\iris.csv')
iris.info()

cols = list(iris.columns)
cols

x_data = iris[cols[:-1]]
x_data.shape #(150, 4) - data = pandas 객체 

tf.reduce_mean(x_data, axis=0) #열단위 평균 
#[5.84333333, 3.05733333, 3.758     , 1.19933333] - 1d 
row_sum = tf.reduce_mean(x_data, axis=1) #행단위 평균 
print(row_sum.numpy())
print(len(row_sum.numpy())) #150

 

 

 

 

 

3. 난수 생성 함수

가상환경에 matplotlib 설치 
(base) > conda activate tensorflow
(tensorflow) > conda install matplotlib

import tensorflow as tf #ver2.x
import matplotlib.pyplot as plt #chart

2행3열 구조의 표준정규분포를 따르는 난수 생성  

norm = tf.random.normal([2,3], mean=0, stddev=1) #default : 0, 1
print(norm) #객체 보기 

uniform = tf.random.uniform([2,3], minval=0, maxval=1) #default : 0, 1
print(uniform) #객체 보기 

matrix = [[1,2], [3,4], [5,6]] #(3, 2)
shuff = tf.random.shuffle(matrix) 
print(shuff) #첫번째 차원(3행 단위로 섞음)

seed값 지정 : 동일한 난수 생성   

tf.random.set_seed(1234)
a = tf.random.uniform([1]) 
b = tf.random.normal([1])  

print('a=',a.numpy())  
print('b=',b.numpy())