일 | 월 | 화 | 수 | 목 | 금 | 토 |
---|---|---|---|---|---|---|
1 | 2 | 3 | 4 | 5 | 6 | |
7 | 8 | 9 | 10 | 11 | 12 | 13 |
14 | 15 | 16 | 17 | 18 | 19 | 20 |
21 | 22 | 23 | 24 | 25 | 26 | 27 |
28 | 29 | 30 | 31 |
- r
- 데이터 시각화
- Python
- AI 엔지니어 기초 다지기
- 캐글
- spark
- yolo
- AI Tech 준비과정
- tensorflow 예제
- kaggle
- 홍대 맛집
- TensorFlow
- 자연어
- AI tech
- 부스트클래스
- DataSet
- 부스트캠프 ai tech 준비과정
- Spark MLlib
- 연남동 맛집
- 연남 맛집
- Transformer
- mllib
- pycharm
- 부스트캠프
- NLP
- 서울 맛집
- RDD
- 맛집
- Ai
- 위기의코딩맨
- Today
- Total
We-Co
[We-Co] Placeholder 본문
안녕하세요. 위기의 코딩맨입니다.
오늘은 Tensorflow의 Placeholder를 알아보도록 하겠습니다.
[Placeholder]
Placeholder는 쉽게 말하면 말그대로 하나의 공간이며, 나중에 데이터로 채워질 빈 변수로 생각하면 된다.
Tensorflow는 입력값을 공급하기 위한 내장 구조를 갖고있는데, 이러한 구조를 Placeholder로 부른다.
* PL= tf.placehholder(tf.float32)
* PL= tf.placehholder(tf.float32, shape(2,2))
Placehorder의 선언은 이렇다.
첫번째 인자에 해당 타입을 설정하여 선언할수있고
두번재로 shape는 배열형태로 선언할 수 있다. 받을수 있는 크기를 선언할 수 있지만, None으로 설정 시, 모든 크기의 데이터를 받을 수 있다.
x_Value = 5
y_Value = 10
with tf.Session() as sess:
x_Placeholder = tf.placeholder(tf.float32)
y_Placeholder = tf.placeholder(tf.float32)
add_ = x_Placeholder + y_Placeholder
outs = sess.run(add_,feed_dict={x_Placeholder:x_Value, y_Placeholder:y_Value})
print(outs)
위 소스 예제를 확인해보면 x_Value, y_Value를 선언하고
작업을 위해 Session을 선언하고 x_Placeholder, y_Placeholder를 통해 각각의 Placeholder를 선언해 줍니다.
더하기의 작업을 위해 add_를 만들고 Placeholder의 값을 피드해주기위해 feed_dict()를 사용한다.
feed_dict() 작업 add_를 진행하기위해 첫번째 인자에 넣어주고,
선언한 x_Placeholder에 x_Value의 값을, y_Placeholder에는 y_Value의 값을 넣어주도록 하면
outs에는 x_Value, y_Value의 add_ 작업한 결과를 받을 수 잇다.
'Python > Tensorflow' 카테고리의 다른 글
[We-Co] TensorFlow Linspace (0) | 2021.07.18 |
---|---|
[We-Co] TensorFlow 형변환 (0) | 2021.07.18 |
[We-Co] TensorFlow - Graph (0) | 2021.07.13 |
[We-Co] Hello TensorFlow! (0) | 2021.05.25 |
[We-Co] TensorFlow (0) | 2021.05.24 |