TensorFlow

머신러닝을 직접 사용해본적 없지만, 인공지능에 조금이라도 관심이 있는 사람들이라면 머신러닝이란 키워드를 들었을 때 아마 tensorflow 또는 pyTorch 둘 중 하나를 가장 먼저 떠올리지 않을까 생각된다.

그만큼 너무 유명한 라이브러리이고 유명한만큼 유용한 라이브러리다.

텐서플로우(tensorflow)는 Google에서 제공한 오픈소스 라이브러리이고, 계산과정과 모델을 데이터 흐름 그래프(data flow graph)를 사용하여 표현한다는것이 큰 특징이다.

간단하게 Data Flow Graph에 대해 설명을 해보겠다.

Data Flow Graph

구성:

• Node: 수학적 연산, 입력, 출력 등등 을 담당
• Tensor: 동적 다중배열(dynamic multidimensional array)
• Edge: node와 node 를 이어주는 방향성 있는 벡터 선 (텐서를 전달한다)

위 그림은 node를 표현한 것이다. node안에 들어있는 값은 수학적 연산 기호가 들어있거나, 저렇게 문자열이 들어있을 수도 있다. 문자열의 경우는 흔치 않다. 지금은 예제를 위해 노드안에 집어넣어봤다.

데이터 전달 과정은 이렇게 edge에 의해 방향이 결정이 되는데, 이 과정에서 데이터가 흘러다닌다. 그리고 이 흐르는 데이터를 tensor라고 일컫는다. (물론 저것이 tensor의 정확한 뜻은 아님)

좀더 구체적으로 살펴보자면

Node3은 ‘더하기 (+)’ 연산 기호를 갖고 있고, node3 = node1 + node2 이렇게 구성되어 있다. 때문에 node3가 실행이 된다면, node1과 node2도 같이 실행이 된다.

위에서는 node1과 node2의 값이 상수(constant)였다는 점에서 이해하는데 크게 문제가 되진 않았다.

하지만 데이터 입력은 대게 variable이나 placeholder를 통해 실행된다. 아래의 그림을 보자

이번에는 node1과 node2가 placeholder를 들고 있는 것을 볼 수 있으리라. 이때 node3을 그냥 실행시킨다면 에러가 발생하는데 node1과 node2의 값이 없기 때문이다. 그래서 실행을 시켜줄때 feed_dict = {}라는 인수를 통해 값을 넣어주어야 정상적으로 실행이 가능하다.

실행

자 지금까지 얘기했던 것들을 실행시켜보자.

session이란 것을 생성시킨 후 실행이 가능한데, 이 session은 data flow graph가 주어졌을 때, node속 각 연산( operation)들을 컴파일하여 실행할 CPU나 GPU에 해당 operation을 전달하여 실행한다.

코드로 살펴보자.

1
2
3
4
5
6
7

import tensorflow as tf   # aliasing 은 tf로 하자

# node 하나 생성
node = tf.constant('Hello World')

# print로 찍히는걸까?
print(node) # Tensor("Const:0", shape=(), dtype=string)

변하지 않는 값 (constant)를 갖고 있는 노드를 하나 만들어보았다. 프린트 노드를로 찍어보면, 노드가 갖고 있는 tensor를 출력할거라 기대를 하지만 그렇게 찍히지는 않고 해당 노드에 대한 설명이 나온다.

Tensor("Const:0", shape=(), dtype=string) 라는게 찍혀 나오는데 간단하게 설명을 해보자면 “tensor는 상수이고 하나의 값을 갖고 있다. 상수는 scalar니깐 shape이 있을수가 없다. 그리고 데이터타입은 스트링이다.” 뭐 이런식의 유용한 정보를 알려주기는 한다.

이젠 진짜 그래프 (node)를 실행시켜보자.

1
2
3
4
5
6

sess = tf.Session() # tensor Session 클래스를 실행
sess.run(node) # 노드에 대해서 실행시키라는 run 이라는 클래스의 행위, 즉 메서드를 호출한다.

print(sess.run(node)) # 결과: b'Hello World'
print(sess.run(node).decode()) # 결과: Hello World

이번엔 여러개의 노드를 만들어서 사용해보자.

1
2
3
4
5
6
7

node1 = tf.constant(10, dtype=tf.float32) # 노드에 상수값을 넣어줌. 데이터 타입은 float32
node2 = tf.constant(20, dtype=tf.float32)

node3 = node1 + node2

sess = tf.Session()
print(sess.run(node3))  # 30 ( 10 + 20 = 30 )

본 포스팅의 세번째 그림을 보면 이해가 쉽게 되리라 믿는다.

다음 예제는 마지막 그림에서 나왔었던 placeholder를 사용해보자.

1
2
3
4

node1 = tf.placeholder(dtype=tf.float32)
node2 = tf.placeholder(dtype=tf.flaot32)

node3 = node1 + node2

이렇게 노드를 만들고 session을 통해 그래프를 그리면 어떻게 될까?

1
2

sess = tf.Session()
sess.run(node3)

에러가 난다. 왜냐고? node1과 node2의 값이 비어있으니깐. 연산이 안되는거지.

그럼 어떻게 실행하느냐?

마지막 그림에 나왔듯이 feed_dict를 사용한다.

1

print(sess.run(node3, feed_dict={node1: 50, node2: 100}))  

1
2

그러면 값이
150으로 나온다.