TensorFlow | 간단한 Deep learning 구현 (Keras)

in Machine Learning / Tf

Tensorflow를 이용하여 모델을 생성하고 학습시키는 방법

What is TensorFlow

머신러닝(딥러닝)을 위한 오픈소스 라이브러리

  • 구글이 개발
  • 데이터 처리, 딥러닝 모델 생성 및 학습을 위한 도구
  • 페이스북이 개발한 딥러닝 프레임워크인 pytorch도 많이 쓰는 추세. pytorch vs.tensorflow

What is Keras

Tensor Flow의 패키지로 제공되는 고수준 API, 딥러닝 모델을 간단하고 빠르게 구현 가능

Tensor Flow 딥러닝 모델 구현

  1. 모델 클래스 객체 생성
     tf.keras.models.Sequential()
  2. 모델의 layer 구성
     tf.keras.layers.Dense(units, activation)
    • units: 레이어 안의 Node 수
    • activation: 적용할 activiation 함수 (ex. relu, sigmoid, softmax)
    • 모델 구성 예시 (1) - 리스트 형태
        model = tf.keras.models.Sequential([
      tf.keras.layers.Dense(20, input_dim = 2, activation='relu'),
      tf.keras.layers.Dense(20, activation='relu'),
      tf.keras.layers.Dense(1, activation='sigmoid')
  ])
    • 모델 구성 예시 (2) - add()를 통해 layer 추가
        model = tf.keras.Sequential()
  model.add(tf.keras.layers.Dense(16, input_dim=2, activation='relu'))
  model.add(tf.keras.layers.Dense(1, activation='sigmoid'))
  3. 모델 학습 방식 설정
     model.compile(optimizer, loss)
    • optimizer: 모델 학습 최적화 방식
    • loss: 손실 함수 설정
    • 예시
       model.compile(optimizer='adam', loss='mse')
  4. 모델 학습
     model.fit(train_x, train_y)
  5. 모델 평가
     model.evaluate(test_x, test_y)
  6. 모델 예측
     pred = model.predict(test_x) # 예측값 반환

Tensor Flow + Keras를 활용하여 비선형회귀 구현

import tensorflow as tf
import numpy as np

import matplotlib.pyplot as plt
import matplotlib as mpl
from mpl_toolkits.mplot3d import Axes3D

import os
os.environ['TF_CPP_MIN_LOG_LEVEL'] = '2'

np.random.seed(100)
tf.random.set_seed(100)


# 비선형 데이터 샘플 생성
x_data = np.linspace(0, 10, 100) 
y_data = 1.5 * x_data**2 -12 * x_data + np.random.randn(*x_data.shape)*2 + 0.5

# print(x_data)
# print(x_data.shape) # (100, )

# 모델 정의
model = tf.keras.models.Sequential([
(    tf.keras.layers.Dense(20, input_dim = 1, activation='relu'),
)    tf.keras.layers.Dense(20, activation='relu'),
    tf.keras.layers.Dense(1)
])

model.compile(loss = 'mean_squared_error', optimizer = 'adam')

history = model.fit(x_data, y_data, epochs=500, verbose=1)

predictions = model.predict(x_data)

데이터(파란점)과 선형회귀(빨간선) 시각화

Reference

  • https://wikidocs.net/156950