hello, world!

[cross entropy cost를 더 간단하게 구하는 방법] softmax_cross_entropy_with_logits() # 파라미터로 logits과 Y lable을 넘겨준다. [Y의 모양을 0~N의 label에서 one hot 형태로 바꾸는 방법] one_hot() 파라미터로 0부터 시작되는 Y, class의 개수를 넘겨준다. input의 rank가 N이라면 output의 rank는 N+1이 된다. (차원이 커지며 아직 원하는 shape이 반환되지 않음!) reshape() 위 one_hot()과 원하는 shape을 파라미터로 보낸다. (원하는 shape이 반환 됨!) 동물 정보(x_data)에 대한 어떤 동물인지 결과(y_data)를 학습시켜 예측하는 모델이다. x_data: n개의 인스턴스가..