어휘 (Glossary)
Broadcasting operation
텐서 인자의 구조(shape)와의 호환을 위해 numpy-style broadcasting을 사용하는 연산입니다.
Device
계산을 실행할 수 있으며 자체 주소 공간을 갖는 GPU나 CPU와 같은 하드웨어의 일부입니다.
eval
값을 결정하는데 필요한 그래프 계산을 트리거링하며 Tensor
의 값을 반환하는 Tensor
의 메서드입니다. 세션에서 시작된 그래프에서 Tensor
의 eval()
을 호출하기만 하면됩니다.
Feed
세션에서 시작된 그래프에 있는 노드로 직접 텐서를 패치하는 TensorFlow의 메커니즘입니다. 그래프를 생성하는 때가 아닌 그래프의 실행을 트리거링할 때 피드를 적용합니다. 피드는 임시로 노드를 텐서값으로 바꿉니다. 계산을 시작하는 run()
또는 eval()
호출에 피드 데이터를 인자로써 공급합니다. 실행 후에는 피드가 사라지며 원래 노드의 정의가 남습니다. 일반적으로 그것들을 생성하기위해 tf.placeholder()
를 사용하여 "feed" 노드가 될 특정한 노드들을 지정합니다. 좀 더 자세한 내용은 Basic Usage를 보십시오.
Fetch
세션에서 시작된 그래프에서 텐서를 검색하기위한 TensorFlow의 메커니즘입니다. 그래프를 생성하는 때가 아닌 그래프의 실행을 트리거링할 때 페치를 검색합니다. 노드 또는 노드들의 텐서값을 가져오기위해 Session
객체에서 run()
을 호출하여 그래프를 실행시키고 검색할 노드명 리스트를 전달합니다. 좀 더 자세한 내용은 Basic Usage를 보십시오.
Graph
방향성 비순환 그래프로 계산을 나타냅니다. 그래프의 노드들은 수행되어야 하는 연산들을 나타냅니다. 그래프의 엣지는 데이터 또는 제어 종속성을 나타냅니다. GraphDef
는 그래프를 시스템 (API)에 서술하기위해 사용되는 프로토콜 버퍼이며 NodeDef
(아래를 보십시오.)의 컬렉션으로 이루어져 있습니다. GraphDef
는 조작하기 쉬운 (C++) Graph
객체로 변환될 수 있습니다.
IndexedSlices
파이썬 API에서, 텐서의 첫번째 차원만을 따르는 희소 텐서를 나타내는 TensorFlow의 표현식입니다. 만약 텐서가 k
차원이면, IndexedSlices
인스턴스는 논리적으로 텐서의 첫번째 차원을 따르는 (k-1)
차원 슬라이스들의 컬렉션을 나타냅니다. 슬라이스의 인덱스는 1차원 벡터와 합쳐진 상태로 저장이 되고, 각 슬라이스는 하나의 k
차원 텐서의 형태로 합쳐집니다. 만약 첫번째 차원에서 희소성이 제한되지 않는다면 SparseTensor
를 사용하십시오.
Node
그래프의 요소.
연산을 설정하는데 필요한 attrs
의 값들을 포함해 특정한 계산 Graph
에서 하나의 노드로써 특정한 연산을 어떻게 실행시키는지에 대한 방법을 서술합니다. 다형적 연산을 위해 attrs
는 Node
의 시그니쳐를 완전히 결정지을 수 있는 충분한 정보를 포함합니다. 자세한 건 graph.proto
를 보십시오.
Op (operation)
TensorFlow 런타임에서: add
나 matmul
또는 concat
과 같은 연산의 타입입니다. how to add an
op에 설명된대로 런타임에 새로운 연산을 추가할 수 있습니다.
파이썬 API에서: 그래프의 노드입니다. 연산은 tf.Operation
클래스의 인스턴스로 나타냅니다. Operation
의 type
프로퍼티는 add
나 matmul
과 같은 노드에 대한 실행 연산을 나타냅니다.
Run
시작된 그래프에서 연산 실행의 액션입니다. 그래프가 Session
에서 시작되어야 합니다.
파이썬 API에서: Session
클래스 tf.Session.run
의 메서드입니다. 피드와 페치를 하기 위한 텐서를 run()
호출에 전달할 수 있습니다.
C++ API에서: tensorflow::Session
의 메서드입니다.
Session
시작된 그래프를 나타내는 런타임 객체입니다. 그래프에서 연산을 실행하기 위한 메서드들을 제공합니다.
파이썬 API에서: tf.Session
C++ API에서: 그래프를 시작하고 연산을 실행할 때 사용되는 클래스 tensorflow::Session
Shape
텐서의 차원과 크기.
시작된 그래프에서: 노드 사이를 흐르는 텐서의 프로퍼티. 몇몇 연산은 그들의 입력의 구조(shape)에 대한 엄격한 요구조건을 가지고 있으며, 안맞을시 런타임에서 에러를 리포팅합니다.
파이썬 API에서: 그래프 생성 API에 있는 파이썬 Tensor
의 속성. 생성 도중 텐서의 구조(shape)는 부분적으로만 알 수 있거나 아예 모를수도 있습니다. tf.TensorShape
를 보십시오.
C++ API에서: 텐서의 구조(shape)을 나타내는데 사용되는 클래스 tensorflow::TensorShape
SparseTensor
파이썬 API에서, 임의의 위치에서 드물게 존재하는 텐서를 나타내는 TensorFlow의 표현식입니다. SparseTensor
는 딕셔너리-키 포맷을 사용해 값의 인덱스에 따라 비어 있지 않는 값들만을 저장합니다. 다시 말하면, m
개의 비어 있지 않는 값들이 있을때, 이는 길이가 m
인 값의 벡터와 m개의 인덱스의 행을 갖는 행렬을 유지합니다. 효율성을 위해, SparseTensor
는 차원수가 증가함에 따라 정렬된 (즉, 행 위주 순서) 인덱스가 필요합니다. 만약 희소성이 첫번째 차원만 따르는 경우엔 IndexedSlices
를 사용하십시오.
Tensor
Tensor
는 타입을 가진 다차원 배열입니다. 예를 들면, [batch, height, width, channel]
차원을 갖는 이미지의 작은 배치를 나타내는 실수형 숫자들의 4차원 배열이 있습니다.
시작된 그래프에서: 노드 사이를 흐르는 데이터의 타입.
파이썬 API에서: 그래프에 추가된 연산의 출력과 입력을 나타내는데 사용되는 클래스tf.Tensor
. 이 클래스의 인스턴스는 데이터를 저장하지 않습니다.
C++ API에서: tensorflow::Tensor
를 호출하는 Session::Run()
에서 반환되는 텐서를 나타내는데 사용되는 클래스. 이 클래스의 인스턴스는 데이터를 가지고 있습니다.