TensorFlow

1 개요

머신러닝과 딥러닝에 많이 사용되어 머신러닝 라이브러리라 생각하는 사람들이 많은데, 실제로는 숫자계산을 위한 범용적인 라이브러리이다.

기본적으로 리눅스 환경에서 사용하기 위해 만들어진 라이브러리.

1.1 설치

설치가 까다로운 편이다. 요구하는 파이썬 버전 조건도 제한적이라 도커 안에서 다루는 편이 편할 것 같다.

1.1.1 의존성 확인

사용하는 버전이 안맞으면 계속 에러만 뜬다.

tensorflow 버전	알맞는 CUDA
2.4.x	11.1
2.3.x	10.1

1.1.2 OS에 따른 설치

OS	방법
Window	과정 설명 설치 tensorflow가 요구하는 파이썬 버전 확인하고 설치해준다.(https://www.tensorflow.org/install?hl=ko) pip install --upgrade pip CPU만 쓴다면 pip install tensorflow, GPU를 사용한다면 pip install tensorflow-gpu 위 작업에서 ERROR: Could not find a version that satisfies the requirement tensorflow가 뜬다면 파이썬이 64bit용이 아니기 때문이다.(텐서플로우는 64bit 기반) cpu stable 버전이 요구하는 넘파이 버전이 일정 미만일 수 있다. 텐서플로우 버전 확인 파이썬 콘솔에서 다음과 같이 진행하거나, 적당히 파일 실행해보자. $ python > import tensorflow as tf > tf.__version__ GPU사용준비 이 과정은 GPU를 사용할 때 진행한다.(CPU만 사용한다면 바로 설치로 넘어가면 됨.) 필요한 텐서플로우를 설치한 후 다음 링크에서 호환되는 버전을 찾는다. https://www.tensorflow.org/install/source_windows#tested_build_configurations 텐서플로우 버전에 맞게 CUDA(이 주소에서 버전만 바꾼다), cuDNN를 설치해준다. CUDA는 그냥 설치하면 되고, cuDNN은 맞는 것을 다운받아 압축을 푼 후 내부의 파일들을 CUDA의 해당하는 폴더에 내용물들을 복사해주면 된다. 기본경로는 C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v버전 형태이다. 시스템 환경변수 편집 -> 고급 -> 환경변수(Edit environment for your account)에서 system variables 중 CUDA_PATH가 있는지 확인.

1.2 설치확인

과정	설명	방법
설치확인	텐서플로우 버전에 따라 명령어가 다르다. 버전 확인 후 알맞은 방법으로 hello를 표시해보자. 과정 설명 1.x버전 import tensorflow as tf sess = tf.Session() hello = tf.constant('hello') print(sess.run(hello)) 2.x버전 Session을 정의하고 run의 과정이 빠졌다. import tensorflow as tf node1 = tf.constant(3.0, dtype=tf.float32) node2 = tf.constant(4.0) tf.print(node1,node2) 학습 등의 이유로 굳이 Session의 정의가 필요할 땐 다음과 같은 코드를 상단에 넣는다. 그러면 1.x버전과 같은 용법을 사용할 수 있다. # import tensorflow as tf import tensorflow.compat.v1 as tf tf.disable_v2_behavior()	버전확인 import tensorflow as tf print(tf.__version__)

2 사용법

신경망 모델을 정의하기 위한 공간을 그래프, 모델을 실행하는 공간을 세션이라 부른다.

유의 : 1.x버전에서 세션을 정의하고 run 하는 과정이 2.x에선 생략되어 연산이 바로 실행된다.

의도	설명	방법
상수 정의	상수를 변수에 대입한다.	변수 = tf.constant(숫자)
변수 정의		변수 = tf.Variable(초기값)
플레이스홀더 정의	데이터를 담을 그릇을 만든다. 갯수에 해당하는 원소를 가진 배열이 들어오게 된다. 배열 크기에 제한을 두고 싶지 않다면 None을 넣는다.	변수 = tf.placeholder(자료형, [갯수])

2.1 활용

의도	설명	방법
데이터 시각화	TensorBoard. 로그데이터를 저장할 파일을 만들고 명령줄에서 tensorboard --logdir=경로 를 넣어주면 특정 포트에서 실행한다. 2세대 언어는 이것과 다를텐데...	import tensorflow as tensorflow tb = tf.summary.FileWriter("log_dir", graph=)
데이터 다운	MNIST에서 제공하는 데이터 따위를 손쉽게 다운받을 수 있다.	from tensorflow.examples.tutorials.mnist import input_data # 손글씨 분류데이터를 받아온다. DB = input_data.read_data_sets('저장경로/', one_hot=True)

3 에러

3.1 패키지 버전관련

에러	원인	해결방법
Could not load dynamic library 'cudart64_110.dll'; dlerror: cudart64_110.dll not found	2.1버전 이후부터 패키지에 CPU, GPU버전이 모두 설치된다. GPU 도구가 설치되지 않았을 때 발생.	CPU버전으로 실행(무시하고 진행하면 CPU버전으로 실행한다. 텐서플로우를 임포트 하기 전, 코드 상단에 os를 임포트하고 os.environ['TF_CPP_MIN_LOG_LEVEL'] = '2'를 넣어주면 에러메시지도 없앨 수 있다. 부작용으로... 에러메시지를 못본다.(기본적인 에러메시지는 뜬다.)) GPU를 사용할 수 있는 환경 갖추기.(위 설치 참고.)
위와 같은 에러 W tensorflow/stream_executor/platform/default/dso_loader.cc:60] Could not load dynamic library 'cudart64_110.dll'; dlerror: cudart64_110.dll not found	의존성 문제. ㅅㅂ..	CUDA10.1을 사용하고 있다면 pip install tensorflow==2.3.0을 사용하고, tensorflow가 2.4.0 이라면 CUDA11.0 으로 올려야 한다.
AttributeError: module 'tensorflow' has no attribute 'Session'	2.X버전은 session정의가 없어진다. 1.x버전의 문법으로 명령을 실행할 때 나오는 에러.	위의 설치 참고.
ModuleNotFoundError: No module named 'tensorflow'	분명 설치했는데 안된다?? (설치했다 지우긴 했다;;)	터미널에서 pip install --ignore-installed --upgrade tensorflow를 시도해보자.