001. Install & Basic

gistfile1.txt

{
 "cells": [
  {
   "cell_type": "markdown",
   "metadata": {},
   "source": [
    "*** 02. ML lec 01 - 기본적인 Machine Learning 의 용어와 개념 설명 ***"
   ]
  },
  {
   "cell_type": "markdown",
   "metadata": {},
   "source": [
    "## 1. What's ML?"
   ]
  },
  {
   "cell_type": "markdown",
   "metadata": {},
   "source": [
    "- Explicit Programming : 정확히 구분해서 만든 프로그램 \n",
    " - 자동 운전을 프로그래밍하려고 하면 너무나 많은 룰이 필요.\n",
    "- Arthur Samuel (1959) : 스스로 학습할 수 있는 프로그램을 개발, "
   ]
  },
  {
   "cell_type": "markdown",
   "metadata": {},
   "source": [
    "## 2. Learning Type"
   ]
  },
  {
   "cell_type": "markdown",
   "metadata": {},
   "source": [
    "1. **Superviceed** : 정해진 데이터(Traing Set)로 학습 / ex> 개와 고양이 사진을 이용해 둘을 구분하는 능력을 학습시킴\n",
    "  \n",
    "    1. Regression : 일반적인 방식 | 공부시간별로 점수 예측하기 \n",
    "    2. Binary Classification : 참·거짓으로 구분 | 합격·불합격으로 나눔 \n",
    "    3. MultiLabel Classification : 등급으로 나눔 | A,B,C,D,E 등급 \n",
    "    \n",
    "    \n",
    "2. **Unsuperviced** : 미리 레이블을 정하기 어려운 자료로 학습 / ex> 비슷한 뉴스를 모으기, 단어 유추하기"
   ]
  },
  {
   "cell_type": "markdown",
   "metadata": {},
   "source": [
    "-----"
   ]
  },
  {
   "cell_type": "markdown",
   "metadata": {},
   "source": [
    "***03. ML lab 01 - TensorFlow의 설치및 기본적인 operations (new)***"
   ]
  },
  {
   "cell_type": "markdown",
   "metadata": {},
   "source": [
    "## 1. Tensorflow "
   ]
  },
  {
   "cell_type": "markdown",
   "metadata": {},
   "source": [
    "- 구글에서 만든 오픈소스 라이브러리. / 가장 많이 사용하고, 자료가 풍부.\n",
    "- `Tensorflow is an open source software library for numerical computation using data flow graph`\n",
    "-  데이터 플로우 그래프를 사용해서 수치적인 계산을 하는 오픈소스 라이브러리\n",
    "\n",
    "    1. Data Flow Graph\n",
    "        - 그래프 : 노드와 엣지로 구성. 노드간 엣지로 연결되어 있는 것.\n",
    "        - 이런 그래프들간의 관계를 나타낸 것 Data Flow Graph\n",
    "    "
   ]
  },
  {
   "cell_type": "code",
   "execution_count": 1,
   "metadata": {},
   "outputs": [
    {
     "data": {
      "text/plain": [
       "'3.5.4 |Anaconda, Inc.| (default, Sep 19 2017, 08:15:17) [MSC v.1900 64 bit (AMD64)]'"
      ]
     },
     "execution_count": 1,
     "metadata": {},
     "output_type": "execute_result"
    }
   ],
   "source": [
    "# Python 버전 체크 : 3.5버전에서만 tensrflow 설치 가능\n",
    "import sys\n",
    "sys.version"
   ]
  },
  {
   "cell_type": "markdown",
   "metadata": {},
   "source": [
    "## 2. Install Tensorflow"
   ]
  },
  {
   "cell_type": "markdown",
   "metadata": {},
   "source": [
    "### 2-1. Install Tensorflow : `pip install --upgrade tensorflow`"
   ]
  },
  {
   "cell_type": "markdown",
   "metadata": {},
   "source": [
    "- `pip install --upgrade tensorflow` / `pip install --upgrade tensorflow-gpu`\n",
    "- [Installing TensorFlow Link : https://www.tensorflow.org/install/](https://www.tensorflow.org/install/)"
   ]
  },
  {
   "cell_type": "code",
   "execution_count": null,
   "metadata": {},
   "outputs": [],
   "source": [
    "! pip install --upgrade tensorflow"
   ]
  },
  {
   "cell_type": "markdown",
   "metadata": {},
   "source": [
    "### 2-2. Install Tensorflow with Anaconda Prompt"
   ]
  },
  {
   "cell_type": "markdown",
   "metadata": {},
   "source": [
    "1. Anaconda install : https://www.anaconda.com/download/\n",
    "2. Set Conda : `conda  create -n tensorflow python=3.5` \n",
    "3. Activate Conda : `activae tensorflow`\n",
    "4. install tensorflow : `pip install --ignore-install --upgrade tensorflow`\n",
    "    - 파이썬 3.5버전의 가상환경을 만들고 tensorflow를 설치"
   ]
  },
  {
   "cell_type": "code",
   "execution_count": null,
   "metadata": {},
   "outputs": [],
   "source": [
    "!conda  create -n tensorflow python=3.5\n",
    "!activate tensorflow\n",
    "!pip install --ignore-install --upgrade tensorflow"
   ]
  },
  {
   "cell_type": "markdown",
   "metadata": {},
   "source": [
    "### 2-3. Install Tensorflow in Jupyer Notebook"
   ]
  },
  {
   "cell_type": "markdown",
   "metadata": {},
   "source": [
    "1. Create Environment : `conda create -n py35 python=3.5 anaconda`\n",
    "2. Activate py35 : `activate py35`\n",
    "3. install Tensorflow : `install -c conda-forge tensorflow` or `pip install --upgrade tensorflow`\n",
    "4. Kernel install : `python -m ipykernel install --name py35`\n",
    "    - http://bryan7.tistory.com/719"
   ]
  },
  {
   "cell_type": "code",
   "execution_count": null,
   "metadata": {},
   "outputs": [],
   "source": [
    "!conda create -n py35 python=3.5 anaconda\n",
    "!activate py35\n",
    "!conda install -c conda-forge tensorflow\n",
    "!python -m ipykernel install --name py35"
   ]
  },
  {
   "cell_type": "markdown",
   "metadata": {},
   "source": [
    "### 2-4 Check install : Check Version"
   ]
  },
  {
   "cell_type": "code",
   "execution_count": 4,
   "metadata": {},
   "outputs": [
    {
     "data": {
      "text/plain": [
       "'1.4.0'"
      ]
     },
     "execution_count": 4,
     "metadata": {},
     "output_type": "execute_result"
    }
   ],
   "source": [
    "import tensorflow as tf\n",
    "tf.__version__"
   ]
  },
  {
   "cell_type": "markdown",
   "metadata": {},
   "source": [
    "## 3 Jupyter Nootbook Kernel Setting"
   ]
  },
  {
   "cell_type": "markdown",
   "metadata": {},
   "source": [
    "### 3-1 Kernel List : `jupyter kernelspec list`"
   ]
  },
  {
   "cell_type": "markdown",
   "metadata": {},
   "source": [
    "- 설치된 쥬피터 노트북의 커널 확인 : `jupyter kernelspec list`"
   ]
  },
  {
   "cell_type": "code",
   "execution_count": 2,
   "metadata": {},
   "outputs": [
    {
     "name": "stdout",
     "output_type": "stream",
     "text": [
      "Available kernels:\n",
      "  python3      C:\\Users\\Insilicogen\\AppData\\Roaming\\jupyter\\kernels\\python3\n",
      "  py35         C:\\ProgramData\\jupyter\\kernels\\py35\n",
      "  python3.5    C:\\ProgramData\\jupyter\\kernels\\python3.5\n"
     ]
    }
   ],
   "source": [
    "# 설치된 커널 확인\n",
    "!jupyter kernelspec list"
   ]
  },
  {
   "cell_type": "markdown",
   "metadata": {},
   "source": [
    "### 3-2 Kernel Remove : `ipython kernelspec uninstall [NAME]`"
   ]
  },
  {
   "cell_type": "code",
   "execution_count": null,
   "metadata": {},
   "outputs": [],
   "source": [
    "# 커널 목록 확인후 원하는 커널을 삭제\n",
    "!ipython kernelspec uninstall py35"
   ]
  },
  {
   "cell_type": "markdown",
   "metadata": {},
   "source": [
    "### 3-3 ipython Envinorment install Kernel : `python -m ipykernel install --name  [NAME]`"
   ]
  },
  {
   "cell_type": "markdown",
   "metadata": {},
   "source": [
    "https://stackoverflow.com/questions/28831854/how-do-i-add-python3-kernel-to-jupyter-ipython"
   ]
  },
  {
   "cell_type": "code",
   "execution_count": null,
   "metadata": {},
   "outputs": [],
   "source": [
    "# 가상환경이 있을 경우 먼저 지우고 실행\n",
    "!deactivate py35\n",
    "!conda remove --name py35 --all"
   ]
  },
  {
   "cell_type": "code",
   "execution_count": null,
   "metadata": {},
   "outputs": [],
   "source": [
    "# Python 3.5 가상환경 만들고 커널 추가하기\n",
    "!conda create -n py35 python=3.5\n",
    "!activate py35\n",
    "!python -m ipykernel install --name  py35"
   ]
  },
  {
   "cell_type": "markdown",
   "metadata": {},
   "source": [
    "## 4 Test"
   ]
  },
  {
   "cell_type": "markdown",
   "metadata": {},
   "source": [
    "### 4-1 Constant Print"
   ]
  },
  {
   "cell_type": "markdown",
   "metadata": {},
   "source": [
    "- b'Stirng' -> 'b' :Bytes literals."
   ]
  },
  {
   "cell_type": "code",
   "execution_count": 7,
   "metadata": {},
   "outputs": [
    {
     "name": "stdout",
     "output_type": "stream",
     "text": [
      "b'Hello Tensorflow'\n"
     ]
    }
   ],
   "source": [
    "import tensorflow as tf\n",
    "hello = tf.constant('Hello Tensorflow')\n",
    "sess = tf.Session()\n",
    "print(sess.run(hello))"
   ]
  },
  {
   "cell_type": "markdown",
   "metadata": {},
   "source": [
    "## 5. Mechanics"
   ]
  },
  {
   "cell_type": "markdown",
   "metadata": {},
   "source": [
    "### 5-1 Node"
   ]
  },
  {
   "cell_type": "code",
   "execution_count": 17,
   "metadata": {},
   "outputs": [],
   "source": [
    "# 1.Graph(Tensor) Build\n",
    "node1 = tf.constant(3.0, tf.float32)\n",
    "node2 = tf.constant(4.0) # also tf.float32 implicitly\n",
    "node3 = tf.add(node1, node2)   # node1, node2가 연결"
   ]
  },
  {
   "cell_type": "code",
   "execution_count": 16,
   "metadata": {},
   "outputs": [
    {
     "name": "stdout",
     "output_type": "stream",
     "text": [
      "node1:  Tensor(\"Const_2:0\", shape=(), dtype=float32) node2:  Tensor(\"Const_3:0\", shape=(), dtype=float32)\n",
      "node3:  Tensor(\"Add:0\", shape=(), dtype=float32)\n"
     ]
    }
   ],
   "source": [
    "# 2.Feed Data Run Graph (Sess)\n",
    "print('node1: ', node1, 'node2: ', node2)\n",
    "print('node3: ', node3)  # 그냥 tensor일뿐 결과값이 없다."
   ]
  },
  {
   "cell_type": "code",
   "execution_count": 15,
   "metadata": {},
   "outputs": [
    {
     "name": "stdout",
     "output_type": "stream",
     "text": [
      "sess.run(node1, node2):  [3.0, 4.0]\n",
      "sess.run(node3) 7.0\n"
     ]
    }
   ],
   "source": [
    "# 3.Update Variables\n",
    "sess = tf.Session()\n",
    "print(\"sess.run(node1, node2): \", sess.run([node1, node2]))\n",
    "print(\"sess.run(node3)\", sess.run(node3))"
   ]
  },
  {
   "cell_type": "markdown",
   "metadata": {},
   "source": [
    "1. 그래프를 `build`하여 만듬.\n",
    "2. `sess.run(op)` 로 그래프를 실행.\n",
    "3. 결과값을 출력하거나 갱신.\n",
    "\n",
    "<img src=\"img/mechaincs.jpg\" width=\"70%\", align=\"left\">"
   ]
  },
  {
   "cell_type": "markdown",
   "metadata": {},
   "source": [
    "### 5-2 Placeholder : 변수처럼 임의의 값을 설정"
   ]
  },
  {
   "cell_type": "code",
   "execution_count": 21,
   "metadata": {},
   "outputs": [
    {
     "name": "stdout",
     "output_type": "stream",
     "text": [
      "7.5\n",
      "[3. 7.]\n"
     ]
    }
   ],
   "source": [
    "# deef_dict으로 placeholder에 값을 넘긴다.\n",
    "a = tf.placeholder(tf.float32)\n",
    "b = tf.placeholder(tf.float32)\n",
    "adder_node = a + b\n",
    "\n",
    "print(sess.run(adder_node, feed_dict={a: 3, b:4.5}))\n",
    "print(sess.run(adder_node, feed_dict={a: [1,3], b: [2,4]}))"
   ]
  },
  {
   "cell_type": "markdown",
   "metadata": {},
   "source": [
    "### 5-3 Tensors : Array와 같은 의미"
   ]
  },
  {
   "cell_type": "markdown",
   "metadata": {},
   "source": [
    "- **Rank** : 차원\n",
    "    1. s(Scalar) : Rank 0, 일반적인 숫자\n",
    "    1. v(Vector) : Rank 1, 1차원 배열\n",
    "    1. m(Matrix) : Rank 2, 2차원 배열\n",
    "    1. t(3-Tensor) : Rank3, 3차원 배열\n",
    "    1. n(n-Tensor) : RankN , N차원 배열\n",
    "\n",
    "\n",
    "- **Shapes** :차원안의 요소의 개수\n",
    "    1. t=[[1,2,3], [4,5,6], [7,8,9]] : 요소가 3개가 있고, 배열이 3개가 있다. (3 3) or [3,3]\n",
    "\n",
    "\n",
    "- **Types** : 데이터 타입, 주로 float32를 사용.\n",
    "    1. DT_FLOAT : tf.float32, 32bit floating point.\n",
    "    1. DT_Double : tf.float64, 64bit floating point.\n",
    "    1. DT_INT8 : tf.int8, 8bits signed integer.\n",
    "    1. DT_INT16 : tf.int16, 16bits signed integer.\n",
    "    1. DT_INT32 : tf.int32, 32bits signed integer.\n",
    " "
   ]
  },
  {
   "cell_type": "code",
   "execution_count": 27,
   "metadata": {},
   "outputs": [
    {
     "data": {
      "text/plain": [
       "3"
      ]
     },
     "execution_count": 27,
     "metadata": {},
     "output_type": "execute_result"
    }
   ],
   "source": [
    "3    #a rank 0 tensor: this is a scalar with shape[]"
   ]
  },
  {
   "cell_type": "code",
   "execution_count": 28,
   "metadata": {},
   "outputs": [
    {
     "data": {
      "text/plain": [
       "[1.0, 2.0, 3.0]"
      ]
     },
     "execution_count": 28,
     "metadata": {},
     "output_type": "execute_result"
    }
   ],
   "source": [
    "[1., 2., 3.]    # a rank 1 tensor: this is a vector with shap[3]"
   ]
  },
  {
   "cell_type": "code",
   "execution_count": 29,
   "metadata": {},
   "outputs": [
    {
     "data": {
      "text/plain": [
       "[[1.0, 2.0, 3.0], [4.0, 5.0, 6.0]]"
      ]
     },
     "execution_count": 29,
     "metadata": {},
     "output_type": "execute_result"
    }
   ],
   "source": [
    "[[1., 2., 3.], [4., 5., 6.]]    # a rank 2 tensor: a matrix with shape[2, 3]"
   ]
  },
  {
   "cell_type": "code",
   "execution_count": 30,
   "metadata": {},
   "outputs": [
    {
     "data": {
      "text/plain": [
       "[[[1.0, 2.0, 3.0], [7.0, 8.0, 9.0]]]"
      ]
     },
     "execution_count": 30,
     "metadata": {},
     "output_type": "execute_result"
    }
   ],
   "source": [
    "[[[1., 2., 3.], [7., 8., 9.]]]    # a rank 3 tensor with shape[2,1,3]"
   ]
  }
 ],
 "metadata": {
  "kernelspec": {
   "display_name": "python3.5",
   "language": "python",
   "name": "python3.5"
  },
  "language_info": {
   "codemirror_mode": {
    "name": "ipython",
    "version": 3
   },
   "file_extension": ".py",
   "mimetype": "text/x-python",
   "name": "python",
   "nbconvert_exporter": "python",
   "pygments_lexer": "ipython3",
   "version": "3.5.4"
  }
 },
 "nbformat": 4,
 "nbformat_minor": 2
}