readme 만 잘 읽고 따라하면 특별할 것은 없다.
근데 정말 잘(!) 읽어야 하므로 주의사항을 기록해 둔다.
build tool
bezel 과 cmake 중 하나를 선택할 수 있다.
bezel 이 더 좋아보이긴 하지만 윈도우 환경을 제대로 지원하지 않으므로 mingw 를 설치하여야 한다. 그러니 왠만하면 cmake 로 빌드하자.
prerequisite
swig
python 3.5
visual studio 2015
(중요) cmake 3.5~3.6
nvidia cuda toolkit 8.0
nvidia cudnn 5.1
여기까지만 구성하면 나머지는 readme 의 설명대로 따르면 된다.
cmake 버전만 조심하자.
python 이해도를 높이기 위한 목적으로,
잘 만들어진 library 소스코드(tensorflow)를 보다가 특기할 만한 짧은 내용들을 간략히 소개한다.
__future__
compiler 지시자로 동작한다.
하위 호환성이 없는 기능을 미리 사용하기 위함이다.
링크 : PEP 236 – Back to the __future__
링크 : future statement
__all__
init.py 내에서 작성하는 variable 이다.
package 내의 공개 가능한 submodule 의 범위를 한정하기 위함이다.
복잡한 프로젝트의 구조와 별개로 사용자 인터페이스를 단순하게 하고 싶을 때 사용할 수도 있다.
# tensorflow\__init__.py # tensorflow.python 패키지 하위의 submodule 들을 사용자가 접근할 때 # tensorflow.xxx 으로 사용 가능하도록 한다. from tensorflow.python import *
링크 : importing * from a package
pylint
정적분석 도구다.
PEP8 스타일 가이드를 따르도록 도와준다.
# pylint: disable=wildcard-import from tensorflow.python import * # pylint: enable=wildcard-import
링크 : PEP8 style guilde for python code
SWIG
python – native code wrapper 다.
같은 목적의 도구로 boost::python 가 있다.
둘 다 써보지 않아서 잘은 모르겠지만
SWIG 는 별도의 인터페이스 file 을 작성하여야 하는 번거로움이 있는 대신
python / tcl / perl / java /c# 등 다양한 타겟으로 인터페이스가 가능하다.
boost 빠인 나로선 boost::python 쪽에 더 마음이 간다.
01010011 