[TensorFlow] 선형 회귀

으으 머신러닝이랑 관련없이 좀 이해가 안되는 부분이 있어서 오래 걸렸네요.

1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24 25 26 27 28 29 30 31 32 33 34 35 36 37 38 39 40 41

import tensorflow as tf   # 입력, 목표 출력 x_data = [1, 2, 3] y_data = [1, 2, 3]   # '[1]' Shape을 가지는 변수 W, b를 -1.0 이상 1.0 미만의 균등한 범위에서 랜덤값으로 초기화 W = tf.Variable(tf.random_uniform([1], -1.0, 1.0)) b = tf.Variable(tf.random_uniform([1], -1.0, 1.0))   # 입력, 목표 출력이 들어갈 플레이스홀더 생성 X = tf.placeholder(tf.float32, name="X") Y = tf.placeholder(tf.float32, name="Y")   # 목표 함수 정의 hypothesis = W * X + b   # 목표 함수의 비용을 계산하는 식 정의 cost = tf.reduce_mean(tf.square(hypothesis - Y))   # 학습률 0.1의 경사하강법을 사용하고 위에서 만든 cost의 값을 최소화하는 것을 목표로 설정 optimizer = tf.train.GradientDescentOptimizer(learning_rate=0.1) train_op = optimizer.minimize(cost)   with tf.Session() as sess:     # 변수 초기화     sess.run(tf.global_variables_initializer())       for step in range(100):         # 플레이스홀더에 값을 설정해주고 학습 실행 (현재 오류를 출력하기 위해서 cost도 넣음)         _, cost_val = sess.run([train_op, cost], feed_dict={             X: x_data,             Y: y_data         })         print(step, cost_val, sess.run(W), sess.run(b))       # 임의의 입력값에 제대로 원하는 값이 나오는지 확인     print("\n=== Test ===")     print("X: 5, Y: ", sess.run(hypothesis, feed_dict={X: 5}))     print("X: 2.5, Y: ", sess.run(hypothesis, feed_dict={X: 2.5}))   Colored by Color Scripter

cs

전체적인 흐름은 어렵지 않은데 reduce_mean이 어떻게 저렇게 동작하는게 가능한지 의문이 안풀려서;;

제가 제대로 알고있는지 모르겠는데 minimize(cost)를 하면 자동으로 cost 함수를 미분해서 파라미터를 조절하는데 필요한 값을 계산한다고 합니다.

참 대단..