수강이 제한됩니다.
다른 수강생들이 자주 물어보는 질문이 궁금하신가요?
- 미해결Tensorflow 사용메뉴얼
multiple inputs
예시에서는 독립변수가 하나밖에 존재하지 않은데 2개 이상일때는 call 메서드에 어떻게 적용시키나요? 참고로 from_tensor_slices로 dataset을 만들었을 때 궁금합니다. 아래의 코드는 제가 만든 모델 코드의 일부분 입니다. 다음과 같이 from_tensor_slices로 총 7개의 변수를 가진 tf.dataset을 생성했습니다.이후 main model의 call 메서드에 인자를 다음과 같이 6개를 지정해서 model을 학습시켰습니다. 이렇게 하는게 맞는지 궁금합니다. train_ds = tf.data.Dataset.from_tensor_slices((train_user, train_item, train_user_bert, train_item_bert, train_user_roberta, train_item_roberta, train_rating)) def call(self, user, item, user_text_bert,item_text_bert, user_text_roberta, item_text_roberta): user_vec = self.user_emb(user) item_vec = self.item_emb(item) for epoch in range(Epochs): for a, b, c, d, e, f, g in train_ds: with tf.GradientTape() as tape: predictions = model(a, b, c, d, e, f) loss = loss_object(g, predictions) gradients = tape.gradient(loss, model.trainable_variables) optimizer.apply_gradients(zip(gradients, model.trainable_variables)) train_loss(loss)
- 미해결Tensorflow 사용메뉴얼
epoch 1부터 loss가 너무 낮게 나와 학습이 안되네요
ratio = 0.2 x_train = tf.random.normal(shape = (300,), dtype = tf.float32) y_train = 3 * x_train + 1 + ratio * tf.random.normal(shape = (300, ), dtype = tf.float32) x_test = tf.random.normal(shape = (30,), dtype = tf.float32) y_test = 3 * x_test + 1 + ratio * tf.random.normal(shape = (30, ), dtype = tf.float32) class LinearPredictor(Model): def __init__(self): super(LinearPredictor, self).__init__() self.d1 = Dense(1, activation = "linear") def call(self, x): x = self.d1(x) return x model = LinearPredictor() loss_object = tf.keras.losses.MeanSquaredError() optimizer = SGD(learning_rate=0.01) for epoch in range(5): for x, y in zip(x_train, y_train): x = tf.reshape(x, (1, 1)) with tf.GradientTape() as tape: predictions = model(x) loss = loss_object(y, predictions) gradients = tape.gradient(loss, model.trainable_variables) optimizer.apply_gradients(zip(gradients, model.trainable_variables)) print(f"Epoch: {epoch + 1}") print(f"Train Loss: {loss:.4f}") 강사님이랑 똑같이 코드를 짠것 같은데 train loss가 너무 낮게 나와 학습이 안되네요. 틀린곳이 있는건지 데이터가 너무 심플하게 생성되서 그런건지 잘 모르겠습니다.
- 미해결Tensorflow 사용메뉴얼
텍스트 데이터일 때의 dtype
강의에서 데이터의 형식을 tf.float32로 맞추는 것을 강조하셨는데 텍스트 데이터일때는 어떤 형식을 맞추는 것이 중요한지 궁금합니다.
- 미해결Tensorflow 사용메뉴얼
12강 data split take와 skip
안녕하십니까 강의 너무 잘보고 있습니다!12강 Data Split 부분에서 궁금한 것이 생겨 질문하게 되었습니다.저는 data.skip(10) 코드의 경우 data의 처음 10개 이후의 데이터를 생성해주는 것으로 이해했습니다.그러면 train_validation에서 train을 take(n_train)을 통해 나누고 validation은 skip(n_train)으로 생성하면 되지 않나요?validation 데이터 생성시 skip 이후에 왜 take를 이용해야하는지 궁금합니다.
- 미해결Tensorflow 사용메뉴얼
<tensorflow사용메뉴얼> 강의파일
공대형아 님 안녕하세요 패스트캠퍼스 수학적으로 접근하는 딥러닝강의로 처음 선생님을 알게되어 이곳까지 오게 되엇습니다 ㅎ 혹시, 가능하시다면인프런강의 <tensorflow사용메뉴얼> 강의파일을 받을수 있는지요? anycad@naver.com 바쁘시겟지만, 강의파일 부탁드리겠습니다 . 대신 제가 인프런 선생님강의 많이 듣겟습니다 ㅎㅎ
- 미해결Tensorflow 사용메뉴얼
SyntaxError: keyword can't be an expression
x_data = tf.random.normal(shape=(1000,), dtype=tf.float32) y_data = 3*x_data - 1 w = tf.Variable(-1.) b = tf.Variable(-1.) learning_rate = 0.01 w_trace, b_trace = [], [] for x, y in zip(x_data, y_data): with tf.GradientTape() as tape: prediction = w*x + b loss = (prediction - y)**2 gradients = tape.gradient(loss, [w, b]) w_trace.append(w.numpy()) b_trace.append(b.numpy()) w = tf.Variable(w - learning_rate=gradients[0]) b = tf.Variable(b - learning_rate=gradients[1]) flg, ax = plt.subplots(figsize=(20, 10)) ax.plot(w_trace, label='weight') ax.plot(b_trace, label='bias') ax.tick_params(labelsize=20) ax.legend(fontsize=30) File "<ipython-input-20-19f2193f023b>", line 19 w = tf.Variable(w - learning_rate=gradients[0]) ^ SyntaxError: keyword can't be an expression 구글 코랩으로 진행하고 있다가 이런 오류가 났습니다, 어떻게 해결해야 하나요?
- 미해결Tensorflow 사용메뉴얼
강의 감사합니다. 다섯번째 강의인 Model Implementation가 재생이 안됩니다.
PC로 접속해서 재생이 안되길래 노트북으로 접속 후 재생해봐도 5번째 강의인 Model Implementation 만 재생이 안됩니당
- 미해결Tensorflow 사용메뉴얼
unsupported operand type(s) for *: 'float' and 'NoneType'
w=tf.Variable(-1. , dtype=tf.float32) b=tf.Variable(-1. , dtype=tf.float32) learning_rate=0.01 for x, y in zip(x_data, y_data): with tf.GradientTape() as tape: prediction = w*x+b loss=(prediction-y) gradeints=tape.gradient(loss, [w,b]) w=tf.Variable(w-learning_rate*gradients[0]) b=tf.Variable(w-learning_rate*gradients[1])learning_rate과 gradients[0]이 데이터타입이 달라서곱셈연산이 안된다고 나오는거 같은데 여기서 어떻게 하면 될까요??..