다음은 정방향 패스를 위한 함수입니다.
코드 3-18 정방향 패스 함수
def model():
return tf.matmul(, W) + b
이 선형 분류기는 2D 입력을 다루기 때문에 W는 2개의 스칼라 가중치 w1과 w2로 이루어집니다(W = [[w1], [w2]]). 반면 b는 하나의 스칼라 값입니다. 따라서 어떤 입력 포인트 [x, y]가 주어지면 예측 값은 prediction = [[w1], [w2]] • [x, y] + b = w1 * x + w2 * y + b가 됩니다.
다음 코드는 손실 함수를 보여 줍니다.
코드 3-19 평균 제곱 오차 손실 함수
def square_loss(, ):
= tf.square( - ) ➊
return tf.reduce_mean() ➋
➊ per_sample_losses는 targets나 predictions와 크기가 같은 텐서이며 각 샘플의 손실 값을 담고 있습니다.
➋ 샘플당 손실 값을 하나의 스칼라 손실 값으로 평균합니다. reduce_mean 함수가 이런 작업을 수행합니다.