텐서의 차원
텐서의 차원
텐서는 차원(Rank)은 데이터가 가지는 축의 개수를 의미하며, 각 차원의 크기는 해당 축의 길이를 나타냅니다.
0차원 텐서 (Scalar, 스칼라)
하나의 숫자 값으로 이루어진 데이터입니다.
0차원 텐서(스칼라) 예시
import tensorflow as tf
scalar = tf.constant(3.14)
print(scalar)
1차원 텐서 (Vector, 벡터)
여러 개의 숫자가 포함된 배열로, Python의 리스트와 유사합니다.
1차원 텐서(벡터) 예시
vector = tf.constant([1, 2, 3])
print(vector)
2차원 텐서 (Matrix, 행렬)
행(row)과 열(column)로 구성된 데이터 구조입니다.
2차원 텐서(행렬) 예시
matrix = tf.constant([[1, 2], [3, 4], [5, 6]])
print(matrix)
3차원 이상의 텐서
이미지, 동영상 데이터처럼 복잡한 구조를 표현할 때 사용됩니다.
3차원 텐서 예시
tensor_3d = tf.constant([[[1, 2], [3, 4]], [[5, 6], [7, 8]]])
print(tensor_3d)
텐서의 속성
텐서는 다음과 같은 속성을 갖습니다.
-
shape: 텐서의 차원을 나타내는 튜플 형태의 정보입니다. -
dtype: 텐서에 저장된 데이터의 타입입니다. (예: float32, int32 등) -
device: 텐서가 실행되는 장치(CPU/GPU) 정보입니다.
텐서의 속성 확인
example_tensor = tf.constant([[1, 2, 3], [4, 5, 6]], dtype=tf.float32)
print(f"Shape: {example_tensor.shape}")
# Shape: (2, 3)
print(f"Data Type: {example_tensor.dtype}")
# Data Type: <dtype: 'float32'>
위와 같이 텐서의 속성을 확인하면, 텐서의 형태와 데이터 타입을 쉽게 파악할 수 있습니다.
다음 수업에서는 지금까지 배운 내용들을 점검하는 간단한 퀴즈를 풀어보겠습니다.
다음 내용이 궁금하다면?
코드프렌즈 PLUS 멤버십 가입 or 강의를 등록해 주세요!