텐서플로우(Tensorflow) 용어집

- Broadcasting operation :  텐서 인자의 구조(shape)와의 호환을 위해 numpy-style-broadcasting을 사용하는 연산.

- Device :  계산을 실행할 수 있으며 자체 주소 공간을 갖는 GPU나 CPU와 같은 하드웨어의 일부입니다.

- eval :  값을 결정하는데 필요한 그래프 계산을 트리거링하며 Tensor의 값을 반환하는 Tensor의 메서드입니다. 세션에서 시작된 그래프에서 Tensor의 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. GraphDef는 그래프를 시스템 (API)에 서술하기위해 사용되는 프로토콜 버퍼이며 NodeDef(아래를 보십시오.)의 컬렉션으로 이루어져 있습니다. GraphDef는 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 SparseTensor를 사용하십시오.

- Node :  그래프의 요소. 연산을 설정하는데 필요한 attrs의 값들을 포함해 특정한 계산 Graph에서 하나의 노드로써 특정한 연산을 어떻게 실행시키는지에 대한 방법을 서술합니다. 다형적 연산을 위해 attrs는 Node의 시그니쳐를 완전히 결정지을 수 있는 충분한 정보를 포함합니다. 자세한 건 graph.proto를 보십시오.

- Op (operation) :  TensorFlow 런타임에서: add나 matmul 또는 concat과 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. Operation의 type 프로퍼티는 add나 matmul과 같은 노드에 대한 실행 연산을 나타냅니다.

- Run :  시작된 그래프에서 연산 실행의 액션입니다. 그래프가 Session에서 시작되어야 합니다. 파이썬 API에서: Session 클래스 tf.Session.run의 메서드입니다. 피드와 페치를 하기 위한 텐서를 run() 호출에 전달할 수 있습니다. C++ API에서: tensorflow::Session의 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 Tensor의 속성. 생성 도중 텐서의 구조(shape)는 부분적으로만 알 수 있거나 아예 모를수도 있습니다. tf.TensorShape를 보십시오. C++ API에서: 텐서의 구조(shape)을 나타내는데 사용되는 클래스 tensorflow::TensorShape

- SparseTensor :  파이썬 API에서, 임의의 위치에서 드물게 존재하는 텐서를 나타내는 TensorFlow의 표현식입니다. SparseTensor는 딕셔너리-키 포맷을 사용해 값의 인덱스에 따라 비어 있지 않는 값들만을 저장합니다. 다시 말하면, m개의 비어 있지 않는 값들이 있을때, 이는 길이가 m인 값의 벡터와 m개의 인덱스의 행을 갖는 행렬을 유지합니다. 효율성을 위해, SparseTensor는 차원수가 증가함에 따라 정렬된 (즉, 행 위주 순서) 인덱스가 필요합니다. 만약 희소성이 첫번째 차원만 따르는 경우엔 IndexedSlices를 사용하십시오.

- Tensor :  Tensor는 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::Tensor를 호출하는 Session::Run()에서 반환되는 텐서를 나타내는데 사용되는 클래스. 이 클래스의 인스턴스는 데이터를 가지고 있습니다.

출처

• 텐서플로우 어휘