[ML/TensorFlow] 1. Tensorflow에서 Tensor를 생성하는 방법

1. Tensorflow에서 Tensor를 생성하는 방법

텐서플로에서 사용하는 주 자료구조가 텐서(Tensor)입니다. 텐서는 변수로 선언할 수도 있고, 데이터 투입 대상인 Placeholder로 선언할 수도 있습니다. 텐서를 생성하는 방법은 여러가지가 있습니다. 텐서를 생성하기 위한 여러가지 내장 함수를 살펴보도록 하겠습니다.

---

1. 고정 텐서

텐서플로에서 고정된 값으로 텐서를 생성하기 위한 방법은 아래와 같습니다.

tf.zeros()

0 값으로 채워진 텐서를 생성하기 위한 함수입니다.

1zeros_tensor = tf.zeros([row_dim, col_dim])

tf.ones()

1값으로 채워진 텐서를 생성하기 위한 함수입니다.

1ones_tensor = tf.ones([row_dim, col_dim])

tf.fill()

동일한 상수 값으로 채워진 텐서를 생성하기 위한 함수입니다.

1filled_tensor = tf.fill([row_dim, col_dim])

tf.constant()

기존 상수를 이용해 텐서를 생성하기 위한 함수입니다.

1constant_tensor = tf.constant([1, 2, 3])

---

2. 비슷한 값을 가지는 텐서

기존 텐서의 형태를 바탕으로 텐서 변수를 초기화하는 것도 가능합니다.

tf.zeros_like / tf.ones_like

1zeros_similar = tf.zeros_like(constant_tensor)

2ones_similar = tf.ones_like(constant_tensor)

---

3. 시퀀스 텐서

구간을 지정하는 방식으로 텐선을 선언할 수 있습니다.

tf.range()

정수 시퀀스 텐서를 생성합니다.

1# range(start, limit=None, delta=1, name='range')

2integer_sequence_tensor = tf.range(start=6, limit=15, delta=3)

• start : 시퀀스의 시작값이며, 기본값은 0
• limit : 시퀀스의 상한값이며, 시퀀스에 포함되지 않음
• delta : start를 증가시키는 수
• name : 연산의 명칭(선택)

tf.linspace()

일정 구간 사이의 값을 생성합니다.

1# linspace(start, stop, num, name=None)

2linear_tensor = tf.linspace(start=0, stop=1, num=3)

• start : 시퀀스의 시작값
• stop : 시퀀스의 상한값
• num : 생성할 값들의 개수

---

4. 랜덤 텐서

난수 기반의 텐서를 생성하는 방법은 아래와 같습니다.

tf.random_uniform()

균등 분포를 따르는 난수를 생성합니다.

1# random_uniform(shape, minval=0, maxval=None, dtype=tf.float32, seed=None, name=None)

2randunif_tensor = tf.random_uniform([row_dim, col_dim], minval=0, maxval=1)

• shape : 정수값의 D-1 텐서 또는 파이썬 배열 입력
• minval : 난수값 생성 구간의 하한
• maxval : 난수값 생성 구간의 상한
• dtype : 반환값의 타입 설정 (float32, float64, int32, int64)
• seed : 난수 시드값 설정에 사용
• name : 연산의 명칭(선택)

tf.random_normal()

정규 분포를 따르는 난수를 생성합니다.

1# random_normal(shape, mean=0.0, stddev=1.0, dtype=tf.float32, seed=None, name=None)

2randnorm_tensor = tf.random_normal([row_dim, col_dim], mean=0.0, stddev=1.0)

• shape : 정수값의 D-1 텐서 또는 파이썬 배열 입력
• mean : 정규분포의 평균값
• stddev : 정규분포의 표준 편차
• dtype : 반환값의 타입 설정 (float32, float64, int32, int64)
• seed : 난수 시드값 설정에 사용
• name : 연산의 명칭(선택)

tf.truncated_normal()

지정한 평균에서 표준편차 2배 이내의 값을 생성합니다. 특정 범위에 속하는 정규 분포 임의의 값을 생성하고 싶은 경우 사용합니다.

1# truncated_normal(shape, mean, stddev=1.0, dtype=tf.float32, seed=None, name=None)

2runcnorm_tensor = tf.truncated_normal([row_dim, col_dim], mean=0.0, stddev=1.0])

• shape : 정수값의 D-1 텐서 또는 파이썬 배열 입력
• mean : 정규분포의 평균값
• stddev : 정규분포의 표준 편차
• dtype : 반환값의 타입 설정 (float32, float64, int32, int64)
• seed : 난수 시드값 설정에 사용
• name : 연산의 명칭(선택)

tf.random_shuffle()

배열 항목을 뒤섞을 때 사용합니다. random_shuffle() 함수는 값의 첫번째 차원을 기준으로 랜덤하게 섞어줍니다.

1# random_shuffle(value, seed=None, name=None)

2shuffled_output = tf.random_shuffle(input_tensor)

• value : 입력 텐서

tf.random_crop(value, size, seed=None, name=None)

텐서를 주어진 사이즈만큼 랜덤하게 잘라내고 싶을 때 사용합니다.

1# random_crop(value, size, seed=None, name=None)

2cropped_output = tf.random_crop(input_tensor, crop_size)

• value : 입력 텐서
• size : 잘라내고 싶은 텐서의 사이즈