2. API를 사용하여 Tensor 만들기

 

텐서의 크기를 매우 크게 늘리고 싶을 때 shape을 사용하면 손쉽게 할 수 있습니다.

t2=tf.ones(shape=(100,))
print(t2)

t3=tf.ones(shape=(100,3,3))
print(t3)

t4=tf.zeros(shape=(100,3,3))
print(t3)

t2와 t3는 1이 채워진 100x1, 100x3x3텐서입니다.

t4는 0이 채워진 100x3x3 텐서입니다.

 

만약 다른 숫자로 텐서를 채우고 싶다면

t5 = 3*tf.ones(shape=(128,128,3))

ones 앞에 원하는 숫자를 곱해주면 됩니다.

t5는 3이 채워져 있는 128x128x3 텐서입니다.

 

 

 

test_list2=[[1,2,3],[4,5,6]]

t1=tf.Variable(test_list2)
print(t1)

t2 = tf.ones_like(t1)
print(t2)

t3=tf.zeros_like(t1)
print(t3)

ones_like, zero_like는 이미 만들어져 있는 텐서의 shape대로 행렬을 만들어줍니다.

 

 

데이터를 만들 때는 random을 자주 사용합니다.

#randonm effect를 줄이고 같은 결과를 사용하고 싶을 때 seed 사용
np.random.seed(0)
tf.random.set_seed(0) 

t1=tf.random.normal(shape=(10,10))

 

random으로 데이터를 만들 때, 평균과 분산을 정해서 분포를 그려보겠습니다.

import matplotlib.pyplot as plt

t2=tf.random.normal(mean=3,stddev= 1,shape=(1000,1))

fig, ax = plt.subplots(figsize=(5,5))
ax.hist(t2.numpy(), bins=30)

t2=tf.random.uniform(shape=(10000,),minval=-10,maxval=10)
fig, ax = plt.subplots(figsize=(5,5))
ax.hist(t2.numpy(), bins=30)

t2=tf.random.poisson(shape=(100000,),lam=5)
fig, ax = plt.subplots(figsize=(5,5))
ax.hist(t2.numpy(), bins=30)

 

만들어진 텐서의 shape 정보와 type 정보를 알아보겠습니다.

t1=tf.random.normal(shape=(128,128,3))

print("t1.shape: ", t1.shape)
print("t1.dtype: ",t1.dtype)

t1.shape:  (128, 128, 3)
t1.dtype:  <dtype: 'float32'>

 

numpy에서 int형으로 random하게 만드는 ranint를 사용하면 int형 행렬이 만들어집니다. 이 행렬을 텐서로 바꿔도 int형입니다. 따라서 텐서플로우에서 잘 실행이 되지 않을 수 있습니다. 

텐서의 타입을 바꿔주려면 dtype을 설정하면 됩니다.

test_np=np.random.randint(-10,10,size=(100,))
print(test_np.dtype) #int형

t1= tf.constant(test_np)
print(t1.dtype) #int형 -> tesnsorflow에서 실행이 잘 안될수도 있음

t1= tf.constant(test_np,dtype=tf.float32)
print(t1.dtype)

int64
<dtype: 'int64'>
<dtype: 'float32'>