SW/딥러닝

09. 딥러닝 : Numpy : NPC 파일 저장 방법 : 텐서플로우2.0과 궁합

얇은생각 2020. 2. 26. 07:30
반응형

Numpy

 

import numpy as np
import matplotlib.pyplot as plt
import tensorflow as tf

 

numpy와 matplotlib와 텐서플로우 라이브러리를 임포트합니다. 텐서플로우로 라이브러리는 tf로 선언해 가져옵니다. 한줄 한 줄 마다 코드 차이가 있습니다.

 

observations = 1000

xs = np.random.uniform(low=-10, high=10, size=(observations,1))
zs = np.random.uniform(-10, 10, (observations,1))

generated_inputs = np.column_stack((xs,zs))

noise = np.random.uniform(-1, 1, (observations,1))

generated_targets = 2*xs - 3*zs + 5 + noise

np.savez('TF_intro', inputs=generated_inputs, targets=generated_targets)

 

작업 중인 각 프로젝트에 대해 데이터 세트를 살펴보시면, OSX 또는 CSP 파일을 Excel에 사용할 수 있습니다. 하지만 텐서플로우와는 잘 맞지 않습니다. 텐서플로우는 numpy를 좋아합니다. 따라서 정보를 저장할 수 있는 형식을 원합니다.

이 문제에 대한 한 가지 해결책은 NPC 파일입니다. 그것은 기본적으로 numpy의 파일 형식입니다. 컴퓨터 과학자처럼 n d 배열이나 끝 치수 배열을 저장할 수 있습니다. 텐서를 다차원 배열로 나타낼 수 있다고 말할 수 있습니다.

NPC 파일을 읽을 때 데이터는 이미 원하는 방식으로 정리되어 있습니다. 딥러닝 사전 처리의 중요한 부분이기도 합니다. 특정 파일 형식의 데이터가 제공됩니다. 그런 다음 사전 처리 과정을 열고 나중에 NPC에 저장합니다.

원래 파일 대신 NPC를 사용하여 알고리즘을 작성합니다. 다시 코드로 돌아갑니다. 보시는 바와 같이, 입력을 생성하고 대상을 생성했습니다. 다음으로 NPCsaves 방법을 사용하는 적절한 방법으로 텐서플로우 친화적인 파일에 저장할 수 있습니다.

첫 번째 파라미터는 따옴표로 쓰여진 파일 이름입니다. 그런 다음 파일에 저장할 개체를 지정해야 합니다. 구문은 끝 배열에 할당할 레이블과 해당 레이블 아래에 저장할 배열과 동일합니다. 라벨은 입력이며 생성된 입력 어레이와 유사합니다. 대상은 생성된 대상과 동일합니다.

만약 그것들을 Rad 1과 같은 임의의 이름으로 지정하고 싶다면 input과 target라고 부를 필요는 없습니다. 코드를 실행하면 다음 포스팅에서 사용하는 주피터 노트북과 같은 디렉토리에 파일이 저장될 것입니다.

반응형