텐서플로우가 뭔가요?

머신러닝과 인공지능의 시대가 성큼 다가왔죠.
일반인들도 기계학습을 쉽게 프로그래밍할 수 있도록 해주는
텐서플로우를 직접 코딩해가며 알아봅시다.

특별히 뭔가 설치해야 할 필요 없도록
구름IDE를 사용해서 코딩을 진행합니다.

아래 코드들을 복붙하고 분석해가며 학습해보세요. 😀

🔗 Tensorflow 바로가기
🔗 구름IDE 바로가기

데이터 생성 자바스크립트 코드

// 인자로 주어진 설정에 따른 임의의 데이터 생성 const createData = ({xMin, xMax, weight, bias, count}) => { const xArray = [] const yArray = [] for (let i = 0; i < count; i++) { let yValue = 0 const xValue = Math.round((xMin + Math.random() * (xMax - xMin)) * 10) / 10 xArray.push(xValue) yValue += xValue * (weight * randomOffset(0.05)); yValue += bias * randomOffset(0.005) yValue = Math.round(yValue * 10) / 10 yArray.push(yValue) } return { xAry: xArray, yAry: yArray } } // 주어진 범위 이내의 오차값 적용 const randomOffset = (max) => { const offset = max * Math.random() * (Math.random() > 0.5 ? 1 : -1) return 1 + offset } const resultData = createData({ xMin: 0, // x 최소값 xMax: 25, // x 최대값 weight: 3.2, // 기울기 bias: 256, // x = 0시 y좌표 count: 100 // 생성할 점 갯수 }) // 주피터 노트북에 붙여넣을 것 console.log(`x = [${resultData.xAry}]\ny = [${resultData.yAry}]`) // 플라스크 웹앱에 붙여넣을 것 console.log(resultData.xAry.toString()) console.log(resultData.yAry.toString())


선형회귀 학습

순수 Tensorflow 코드

# 모듈 로드 import tensorflow as tf import matplotlib.pyplot as plt # 주어진 데이터 입력 # 아래 리스트에 생성된 데이터를 대체해 넣으세요. x = [3, 4.4, 6.2, 7.5, 9.3] y = [2.1, 4.2, 5.9, 8.3, 9.8] # 데이터 시각화 plt.scatter(x, y, label="input data set") # 선형 모델 클래스 class LinearModel: def __call__(self, x): return self.Weight * x + self.Bias def __init__(self): self.Weight = tf.Variable(0.) self.Bias = tf.Variable(0.) # 오차(손실) 구하기 함수 def loss(y, pred): return tf.reduce_mean(tf.square(y - pred)) # 학습 함수 def train(linear_model, x, y, lr): with tf.GradientTape() as t: current_loss = loss(y, linear_model(x)) lr_weight, lr_bias = t.gradient(current_loss, [linear_model.Weight, linear_model.Bias]) linear_model.Weight.assign_sub(lr * lr_weight) linear_model.Bias.assign_sub(lr * lr_bias) # 학습 진행 linear_model = LinearModel() epochs = 10000 for epoch_count in range(epochs + 1): real_loss = loss(y, linear_model(x)) train(linear_model, x, y, lr=0.003) if epoch_count % 100 == 0: print(f"{epoch_count}:: W:{linear_model.Weight.numpy()} b:{linear_model.Bias.numpy()} Loss: {real_loss.numpy()} ")

Keras를 사용한 코드

# 모듈 로드 import tensorflow as tf import matplotlib.pyplot as plt # 주어진 데이터 입력 # 아래 리스트에 생성된 데이터를 대체해 넣으세요. x = [3, 4.4, 6.2, 7.5, 9.3] y = [2.1, 4.2, 5.9, 8.3, 9.8] # 데이터 시각화 plt.scatter(x, y, label="input data set") layer0 = tf.keras.layers.Dense(units=1, input_shape=[1]) model = tf.keras.Sequential([layer0]) model.compile(loss='mean_squared_error', optimizer=tf.keras.optimizers.Adam(0.5)) history = model.fit(x, y, epochs=5000, verbose=True) weights = layer0.get_weights() print('weight: {} bias: {}'.format(weights[0], weights[1])) print('Prediction: {}'.format(model.predict([7])))


플라스크 웹앱 코드

❗아래의 파이썬 코드들은 동작을 보여주기 위해 간략히 짠 예시이며, 실제 제품을 프로그래밍할 때는 적합하지 않습니다.

application.py

from flask import Flask, render_template, request import sys import asyncio import learner application = Flask(__name__) weightAndBias = None xList = [] yList = [] learning = False progress = "" # learner 모듈을 사용하여 학습 def getWeightAndBias(epochs): global weightAndBias global learning if not learning: learning = True weightAndBias = learner.learn(xList, yList, epochs) learning = False # 일반 접속시 @application.route("/") def index(): return render(None) # '학습하기' 요청시 @application.route("/learn", methods=['POST']) def learn(): global xList global yList xList = xList + list(map(float, request.json['xList'].strip().split(","))) yList = yList + list(map(float, request.json['yList'].strip().split(","))) xList = xList[0: min(len(xList), len(yList))] yList = yList[0: min(len(xList), len(yList))] getWeightAndBias(int(request.json['epochs'])) return # '예측하기' 요청시 @application.route("/predict", methods=['POST']) def predict(): return render(float(request.form['x'])) # 데이터를 html 템플릿에 넣어 렌더링 def render(x): global weightAndBias global learning formular = f"[학습중{learner.progress}] " if learning else "" if weightAndBias is not None: formular += f"y = { weightAndBias[0] } * x + { weightAndBias[1] }" else: formular += "학습된 수식이 없습니다." predicted = "학습된 수식이 없습니다." if (x is not None and weightAndBias is not None): predicted = (weightAndBias[0] * x + weightAndBias[1]) return render_template( "index.html", formular=formular, predicted=predicted ) if __name__ == "__main__": application.run(host='0.0.0.0', port=int(sys.argv[1]), debug=True)

learner.py

# 모듈 로드 import tensorflow as tf # 선형 모델 클래스 class LinearModel: def __call__(self, x): return self.Weight * x + self.Bias def __init__(self): self.Weight = tf.Variable(0.) self.Bias = tf.Variable(0.) # 오차(손실) 구하기 함수 def loss(y, pred): return tf.reduce_mean(tf.square(y - pred)) # 학습 함수 def train(linear_model, x, y, lr): with tf.GradientTape() as t: current_loss = loss(y, linear_model(x)) lr_weight, lr_bias = t.gradient( current_loss, [linear_model.Weight, linear_model.Bias] ) linear_model.Weight.assign_sub(lr * lr_weight) linear_model.Bias.assign_sub(lr * lr_bias) # 학습 경과 표시 문자열 progress = "" # 학습 실행 함수 def learn(xList, yList, epochs): linear_model = LinearModel() global progress for epoch_count in range(epochs + 1): real_loss = loss(yList, linear_model(xList)) train(linear_model, xList, yList, lr=0.003) progress = f": {epoch_count}/{epochs}" if epoch_count % 100 == 0: print( f"{epoch_count}:: W:{linear_model.Weight.numpy()}" + f" b:{linear_model.Bias.numpy()} Loss: {real_loss.numpy()} " ) progress = "" return (linear_model.Weight.numpy(), linear_model.Bias.numpy())

/templates/index.html

<!doctype html> <html lang="ko"> <head> <title>선형회귀 예측</title> <style> body { padding: 24px; } textarea, input { padding: 6px; } textarea { width: 480px; height: 80px; } </style> <script> function sendDataToLearn () { var xhr = new XMLHttpRequest(); xhr.open("POST", "/learn", true); xhr.setRequestHeader('Content-Type', 'application/json'); xhr.send(JSON.stringify({ xList: document.getElementById("xListInput").value, yList: document.getElementById("yListInput").value, epochs: document.getElementById("epochs").value })); location.href = "/"; } </script> </head> <body> <h1>선형회귀 예측</h1> <h2>데이터 입력</h2> <textarea id="xListInput" placeholder="x축 데이터들을 쉼표로 구분하여 입력하세요."></textarea> <br> <textarea id="yListInput" placeholder="y축 데이터들을 쉼표로 구분하여 입력하세요."></textarea> <br> <input id="epochs" placeholder="횟수" type="number" value="10000"/> <br><br> <button onclick="sendDataToLearn();">학습하기</button> <br> <br> <form action="{{ url_for('predict') }}" method="post"> <input name="x" type="number" placeholder="x값 입력"/> <br><br> <input type="submit" value="예측하기"/> </form> <br><br> <h2>학습된 수식</h2> {{ formular }} <br><br> <h2>예측된 y값</h2> {{ predicted }} </body> </html>

🍿 더 자세한 내용은 영상에서 보실 수 있습니다.





관련 태그의 다른 영상들

텐서플로우가 뭔가요?
편리한 머신러닝 툴 텐서플로우를 간단한 예제와 함께 살펴봅니다.
# 머신러닝
# 딥러닝
# tensorflow
# 선형회귀
...