tensorflow import가 numpy 계산 오류를 일으킴

Question

선형 회귀의 예를 통해 TensorFlow의 기본 사항을 배우고 있습니다. 로 선형 회귀 분석을 수행 아니라 작품을 scikit 배우기 :

import numpy as np 
from sklearn.datasets import fetch_california_housing 
from sklearn.linear_model import LinearRegression 

housing = fetch_california_housing() 

lin_reg = LinearRegression() 
lin_reg.fit(housing.data, housing.target.reshape(-1, 1)) 

print(np.r_[lin_reg.intercept_.reshape(-1, 1), lin_reg.coef_.T]) 

을 다음과 같은 결과 반환 : 같은 사용 NumPy와 수행

[[ -3.69419202e+01] 
[ 4.36693293e-01] 
[ 9.43577803e-03] 
[ -1.07322041e-01] 
[ 6.45065694e-01] 
[ -3.97638942e-06] 
[ -3.78654265e-03] 
[ -4.21314378e-01] 
[ -4.34513755e-01]] 

을 (일반 식)도 잘 작동 :

m, n = housing.data.shape 
housing_data_plus_bias = np.c_[np.ones((m, 1)), housing.data] 

X = housing_data_plus_bias 
y = housing.target.reshape(-1, 1) 
theta_numpy = np.linalg.inv(X.T.dot(X)).dot(X.T).dot(y) 

print(theta_numpy) 

출력 :

[[ -3.69419202e+01] 
[ 4.36693293e-01] 
[ 9.43577803e-03] 
[ -1.07322041e-01] 
[ 6.45065694e-01] 
[ -3.97638942e-06] 
[ -3.78654265e-03] 
[ -4.21314378e-01] 
[ -4.34513755e-01]] 

나도 실행하면

[[ 2.91247440e+32] 
[ -1.62971964e+11] 
[ 1.42425463e+14] 
[ -4.82459003e+16] 
[ -1.33258747e+17] 
[ -2.04315813e+29] 
[ 5.51179654e+14] 
[ 5.92729561e+20] 
[ 8.86284674e+21]] 

: 다음과 같은 결과 (다른 값마다) 산출

import tensorflow as tf 
import numpy as np 
from sklearn.datasets import fetch_california_housing 
from sklearn.linear_model import LinearRegression 

housing = fetch_california_housing() 

lin_reg = LinearRegression() 
lin_reg.fit(housing.data, housing.target.reshape(-1, 1)) 

print(np.r_[lin_reg.intercept_.reshape(-1, 1), lin_reg.coef_.T]) 

: 나는 TensorFlow을 가져올 때210

그러나, 선형 회귀를 실행하기 전에, 나는 변수 부정확 한 결과를 얻을 수 tensorflow를 가져 오기 전에 계산을 수행 한 다음 tensorflow를 가져 와서 계산을 다시 반복하면 정확한 결과를 얻을 수 있습니다.

어떤 원인인지 그리고 TensorFlow를 가져온 후 numpy/scikit-learn에서 올바른 결과를 얻을 수있는 방법은 무엇입니까?

나는 tensorflow-gpu를 사용하여 Unbuntu에서 Anaconda 4.3.30의 Python 3.5.4를 실행 중입니다.

numpy version: 1.12.1 
tensorflow version: 1.3.0 

Answer 1

아나콘다 분포는 this issue과 다른 참조 문제에보고 된 TensorFlow와 함께 사용하면 NumPy와 및 SciPy 여러 문제가 발생할 것으로 보인다 기본적으로 인텔 수학 커널 라이브러리 (MKL)를 사용합니다.

는 다시 설치 핍에서 NumPy와 및 SciPy이 문제를 해결

첫째, CONDA 사용하여 필요한 패키지와 새로운 환경을 만들 :

$ source activate env_name 

:

$ conda create --name env_name python=3.5 tensorflow-gpu scikit-learn 

환경 활성화를

Numpy와 SciPy를 pip를 사용하여 다시 설치 :

$ pip install --ignore-installed --upgrade numpy scipy 

이 단점은 MKL에서 제공하는 성능 향상의 이점을 누릴 수 없다는 것입니다. 예를 들어, Scikit-Learn로 구축 된 지원 벡터 머신은 MKL이없는 환경에서 11 분 만에 훈련 된 MKL로 훈련하는 데 6 분이 걸립니다. 그러나 TensorFlow가 필요하지 않을 때 사용할 MKL (기본값)이있는 다른 환경을 만들 수 있습니다.