Tensorflow(10)
-
텐서플로우(Tensorflow) gpu 사용 가능 여부 확인하기
from tensorflow.python.client import device_lib device_lib.list_local_devices() [name: "/device:CPU:0" device_type: "CPU" memory_limit: 268435456 locality { } incarnation: 10360034786306285900 xla_global_id: -1, name: "/device:GPU:0" device_type: "GPU" memory_limit: 7787773952 locality { bus_id: 1 links { } } ]
2023.08.23 -
텐서플로우(Tensorflow), 케라스(Keras) 버전 확인
import tensorflow as tf print(tf.__version__) import keras print(keras.__version__)
2023.07.30 -
model.load() 시 AttributeError: 'str' object has no attribute 'decode' 에러
(요약) tensorflow 와 h5py 버전이 맞지 않아서 발생함. pip or conda 패키지 채널을 확인 후 라이브러리 버전을 맞출 것. ㅡㅡㅡㅡㅡㅡㅡㅡㅡㅡㅡㅡㅡㅡㅡㅡㅡㅡㅡㅡㅡㅡㅡㅡㅡㅡㅡㅡㅡㅡㅡㅡㅡㅡㅡㅡㅡㅡㅡㅡㅡㅡㅡㅡ 우선, 모델 load 시 AttributeError: 'str' object has no attribute 'decode' 에러가 발생한다면 이는 h5py 버전이 tensorflow와 맞지 않아 발생한 문제이다. tensorflow 1.14 버전 기준 h5py==2.10.0 으로 맞추어주면 동작하게 되는데, 많은 곳에서 해당 에러를 검색할 경우 pip uninstall h5py pip install h5py 과 같이 h5py 라이브러리를 삭제 후 재설치하여 해결했다고 알려준다. 하지..
2023.04.17 -
텐서플로우(Tensorflow) - tensorflow==1.x 버전 for MacOS - M1
없습니다. m1 (2020) 은 tensorflow 2.5 이상 버전만 지원한다고 합니다 ......... 괜히 저처럼 이리저리 방법 찾아보면서 에너지 낭비하지 마시길 ......... https://developer.apple.com/forums/thread/704041
2022.11.16 -
텐서플로우(Tensorflow) - tf.reduce_sum() 이란?
import tensorflow as tf self.scores = tf.reduce_sum(self.user_embeddings * self.item_embeddings, axis=1) 이때 reduce_sum이란 영어문자 그대로 첫번째 전달인자(tensor)에서 axis 축을 없애고 sum을 진행하는 것이다. 예시: x = [[0,1,2] [3,4,5]] 라고 하자. sees = tf.Session() sees.run(tf.reduce_sum(x)) sees.run(tf.reduce_sum(x,0)) sees.run(tf.reduce_sum(x,1)) output: 15 [3,5,7] [3,12] 해석: axis 인자가 없을 시, 모든 축을 없애버리고 하나로 합침. 즉 스칼라값 출력 행을 없앨 경우 ..
2022.11.15 -
텐서플로우(Tensorflow) - tf.gather() 란?
tf.gather(params, indices, validate_indices=None, name=None, axis=None, batch_dims=0) 전달인자 params(=tensor)에서 axis 축 기준으로 indices 값들을 뽑아온다. 예시: v1 = tf.constant([1, 3, 5, 7, 9, 0, 2, 4, 6, 8]) v2 = tf.constant([[1, 2, 3, 4, 5, 6], [7, 8, 9, 10, 11, 12]]) with tf.Session() as sess: print(sess.run(tf.gather(v1, [2, 5, 2, 5], axis=0))) print(sess.run(tf.gather(v2, [0, 1], axis=0))) print(sess.run(tf..
2022.11.15