Tensorflow 시작

# docker run -it -p 8888:8888 gcr.io/tensorflow/tensorflow
[I 15:05:29.519 NotebookApp] Writing notebook server cookie secret to /root/.local/share/jupyter/runtime/notebook_cookie_secret
[W 15:05:29.528 NotebookApp] WARNING: The notebook server is listening on all IP addresses and not using encryption. This is not recommended.
[W 15:05:29.528 NotebookApp] WARNING: The notebook server is listening on all IP addresses and not using authentication. This is highly insecure and not recommended.
[I 15:05:29.532 NotebookApp] Serving notebooks from local directory: /notebooks
[I 15:05:29.533 NotebookApp] 0 active kernels 
[I 15:05:29.533 NotebookApp] The Jupyter Notebook is running at: http://[all ip addresses on your system]:8888/
[I 15:05:29.533 NotebookApp] Use Control-C to stop this server and shut down all kernels (twice to skip confirmation).
[I 15:12:15.974 NotebookApp] 302 GET / (172.17.0.1) 0.64ms

server {
    root /var/www/;
    index index.html index.htm;

    server_name jupyter.joinc.co.kr jupyter.joinc.co.kr

    charset utf-8;
    auth_basic "Restricted Access";
    auth_basic_user_file /etc/nginx/htpasswd.users;

    location / {
        proxy_pass http://127.0.0.1:8888;
    }
}

# cd /etc/nginx/sites-enabled
# ln -s ../sites-available/jupyter.joinc.co.kr ./ 
# service nginx restart

import tensorflow as tf

# 1x2 행렬 정보를 저장하고 있는 constant op
matrix1 = tf.constant([[3., 3.]])

# 2x1 행렬 정보를 저장하고 있는 constant op
matrix2 = tf.constant([[2.],[2.]])

# matrix1과 matrix2를 매개변수로 받아서 곱 연산을 한 다음 product로 반환하는 op  
product = tf.matmul(matrix1, matrix2)

# 기본 세션을 만든다. 
sess = tf.Session()

# run() 메서드를 호출해서 product에 있는 '''matmul''' op를 실행한다. 
# run(product)를 호출하면 그래프에 있는 두개의 constants와 matmul op, 총 3개의 op를 수행한다. 
result = sess.run(product)
print(result)
# ==> [[ 12. ]]

# 작업이 끝난 Session을 닫는다.
sess.close()

with tf.Session() as sess:
  result = sess.run([product])
  print(result)

with tf.Session() as sess:
  with tf.device("/gpu:1"):
    matrix1 = tf.constant([[3., 3.]])
    matrix2 = tf.constant([[2.],[2.]])
    product = tf.matmul(matrix1, matrix2)
    ...

# Variable를 만든다. 이름은 "counter"이고 초기 값은 0이다.
state = tf.Variable(0, name="counter")

# constant 타입의 Op를 하나 만들고, state에 더한다.

one = tf.constant(1)
new_value = tf.add(state, one)
update = tf.assign(state, new_value)

# Variables는 사용하기 전에 반드시 Op로 초기화를 해줘야 한다. 
init_op = tf.initialize_all_variables()

# 그래프에서 op를 수행한다.
with tf.Session() as sess:
  # init op를 실행한다. 
  sess.run(init_op)
  # stat의 초기 값 0을 출력한다.
  print(sess.run(state))
  # update op를 실행하고, 현재 state 값을 출력한다. 
  for _ in range(3):
    sess.run(update)
    print(sess.run(state))

# 출력 : 
# 0
# 1
# 2
# 3

input1 = tf.constant([3.0])
input2 = tf.constant([2.0])
input3 = tf.constant([5.0])
intermed = tf.add(input2, input3)
mul = tf.mul(input1, intermed)

with tf.Session() as sess:
  result = sess.run([mul, intermed])
  print(result)

# output:
# [array([ 21.], dtype=float32), array([ 7.], dtype=float32)]

input1 = tf.placeholder(tf.float32)
input2 = tf.placeholder(tf.float32)
output = tf.mul(input1, input2)

with tf.Session() as sess:
  print(sess.run([output], feed_dict={input1:[7.], input2:[2.]}))

# output:
# [array([ 14.], dtype=float32)]