[Tensorflow] Tensor Manipulation

import numpy as np
import tensorflow as tf

텐서(Tensor)

• Rank : 축의 개수
• Shape : 형상(각 축에 따른 차원 개수)
• Type : 데이터 타입

0D Tensor(Scalar)

• 하나의 숫자를 담고 있는 텐서
• 축과 형상이 없음

t0 = tf.constant(1)

print(t0)
print(tf.rank(t0))
print(t0.shape)

tf.Tensor(1, shape=(), dtype=int32)
tf.Tensor(0, shape=(), dtype=int32)
()

1D Tensor(Vector)

• 값들을 저장한 리스트와 유사한 텐서
• 하나의 축이 존재

t1 = tf.constant([1, 2, 3])

print(t1)
print(tf.rank(t1))
print(t1.shape)

tf.Tensor([1 2 3], shape=(3,), dtype=int32)
tf.Tensor(1, shape=(), dtype=int32)
(3,)

2D Tensor(Matrix)

• 행렬과 같은 모양의로 두 개의 축이 존재
• 주로 샘플과 특성을 가진 구조로 사용

t2 = tf.constant([[1, 2, 3], [4, 5, 6], [7, 8, 9]])

print(t2)
print(tf.rank(t2))
print(t2.shape)

tf.Tensor(
[[1 2 3]
 [4 5 6]
 [7 8 9]], shape=(3, 3), dtype=int32)
tf.Tensor(2, shape=(), dtype=int32)
(3, 3)

3D Tensor

• 큐브와 같은 모양으로 세 개의 축이 존재
• 데이터가 연속된 시퀀스 데이터나 시간 축이 포함된 시계열 데이터에 해당
• samples, timesteps, features를 가진 구조

t3 = tf.constant([[[1, 2, 3], [4, 5, 6], [7, 8, 9]],
                  [[1, 2, 3], [4, 5, 6], [7, 8, 9]],
                  [[1, 2, 3], [4, 5, 6], [7, 8, 9]]])

print(t3)
print(tf.rank(t3))
print(t3.shape)

tf.Tensor(
[[[1 2 3]
  [4 5 6]
  [7 8 9]]

 [[1 2 3]
  [4 5 6]
  [7 8 9]]

 [[1 2 3]
  [4 5 6]
  [7 8 9]]], shape=(3, 3, 3), dtype=int32)
tf.Tensor(3, shape=(), dtype=int32)
(3, 3, 3)

4D Tensor

• 4개의 축
• 컬러 이미지가 대표적인 사례(흑백 이미지 데이터는 3D Tensor)
• samples, height, width, channel을 가진 구조

5D Tensor

• 5개의 축
• 비디오 데이터가 대표적인 사례
• samples, frames, height, width, channel을 가진 구조

텐서 데이터 타입

• 정수형(int32), 실수형(float32), 문자열(string)
• 타입 변환에는 tf.cast() 사용

f16 = tf.constant(2., dtype=tf.float16)
print(f16)

tf.Tensor(2.0, shape=(), dtype=float16)

# 타입 변환 (float16 -> float32)
t32 = tf.cast(f16, tf.float32)
print(t32)

tf.Tensor(2.0, shape=(), dtype=float32)

텐서 연산

• tf.add : 더하기
• tf.subtract : 빼기
• tf.multiply : 곱하기
• tf.divide : 나누기

# 더하기
print(tf.constant(2) + tf.constant(2))
print(tf.add(tf.constant(2), tf.constant(2)))

tf.Tensor(4, shape=(), dtype=int32)
tf.Tensor(4, shape=(), dtype=int32)

# 빼기
print(tf.constant(2) - tf.constant(2))
print(tf.subtract(tf.constant(2), tf.constant(2)))

tf.Tensor(0, shape=(), dtype=int32)
tf.Tensor(0, shape=(), dtype=int32)

# 곱하기
print(tf.constant(2) * tf.constant(2))
print(tf.multiply(tf.constant(2), tf.constant(2)))

tf.Tensor(4, shape=(), dtype=int32)
tf.Tensor(4, shape=(), dtype=int32)

# 나누기
print(tf.constant(2) / tf.constant(2))
print(tf.divide(tf.constant(2), tf.constant(2)))

tf.Tensor(1.0, shape=(), dtype=float64)
tf.Tensor(1.0, shape=(), dtype=float64)