이미지 데이터 처리를 위한 CNN 완벽 가이드 - TF 2.0을 이용한 인공신경망 데이터 이해

tf.Constant(상수)

 - 텐서플로우에 사용되는 텐서(데이터) 유형 중 하나

 - 상수형 텐서로써 할당된 값의 변경이 불가

 - Numpy의 ndarray 와 유사한 속성들을(ndim, shape, dtype) 가짐

 - .numpy() 메서드를 통해 텐서에 들어 있는 데이터를 Numpy ndarray 형태로 가져옴

 

tf.Variable(변수)

 - 텐서플로우에 사용되는 텐서(데이터) 유형 중 하나

 - Numpy의 ndarray 와 유사한 속성들을(ndim(X), shape, dtype) 가짐

 - tf.constant(상수) 와는 다르게 assign(value) 같은 메소드를 통해 할당된 값의 변경 가능

 - .numpy() 메서드를 통해 텐서에 들어 있는 데이터를 Numpy ndarray 형태로 가져옴

 - 인공신경망의 변수(가중치, 바이어스) 구성에 사용됨

 

 

<실습>

import tensorflow as tf
import numpy as np

# 상수 텐서 객체 생성
d3_tensor = tf.constant([[[1,2,3],
                         [4,5,6]],
                         [[-1,-2,-3],
                         [-4,-5,-6]]])

# 생성한 상수 텐서 객체 속성 정보 출력
print('*******1. 상수 텐서 객체*******')
print('차원        : ', d3_tensor.ndim)
print('크기        : ', d3_tensor.shape)
print('데이터 타입 : ', d3_tensor.dtype)


# 상수 텐서에서 .numpy() 메서드 이용하여 numpy ndarray 객체 복사
np_d3_tensor = d3_tensor.numpy()

# 복사한 ndarray 객체의 속성 정보 출력
print('\n*******2. ndarray 객체*******')
print('차원        : ', np_d3_tensor.ndim)
print('크기        : ', np_d3_tensor.shape)
print('데이터 타입 : ', np_d3_tensor.dtype)


# 형태의 변수 텐서 객체 생성
d3_var_tensor = tf.Variable(np_d3_tensor)

print('\n*******3. 변수 텐서 객체*******')
print('크기        : ', d3_var_tensor.shape)
print('데이터 타입 : ', d3_var_tensor.dtype)