TensorFlow
-
TensorFlow 기초 10 - 선형회귀분석 예제(예측, 결정계수)TensorFlow 2022. 11. 30. 10:10
import tensorflow as tf from keras.models import Sequential from keras.layers import Dense from keras import optimizers import numpy as np x_data = [1.,2.,3.,4.,5.] # feature y_data = [1.2,2.0,3.0,3.5,5.5] # label print('상관계수 :', np.corrcoef([x_data, y_data])) # 0.97494708 model = Sequential() model.add(Dense(units=1, input_dim=1, activation='linear')) model.compile(optimizer='sgd', loss='mse', ..
-
TensorFlow 기초 9 - 선형회귀 모형 작성 = 수식 사용(Keras 없이 tensorflow만 사용) - GradientTapeTensorFlow 2022. 11. 29. 17:32
# 선형회귀 모형 작성 : 수식 사용 # tensorflow 사용 import tensorflow as tf import numpy as np from keras.optimizers import SGD, RMSprop, Adam x = [1., 2., 3., 4., 5.] y = [1.2, 2.8, 3.0, 3.5, 6.0] print(np.corrcoef(x, y)) # 상관계수(r) = 0.937 # 인과 관계가 있다 가정하고 회귀분석 작업을 진행 tf.random.set_seed(123) w = tf.Variable(tf.random.normal((1,))) b = tf.Variable(tf.random.normal((1,))) print(w.numpy(), ' ', b.numpy()) # 선형회귀..
-
TensorFlow 기초 8 - cost와 w(기울기) 구하기(함수 사용 x - 원리 이해)TensorFlow 2022. 11. 29. 16:25
라이브러리에 있는 함수(SGD, RMSprop, Adam)로 자동으로 계산되지만, 원리의 이해를 위해 파이썬으로 작성해 보았다. # 모델의 정확도가 높을수록 비용함수 값은 낮아진다. import numpy as na import math real = [10, 9, 3, 2, 11] # y 실제값 pred = [11, 5, 2, 4, 3] # y 예측값(모델에 의해 얻어진 값이라 가정) cost = 0 for i in range(5): cost += math.pow(pred[i] - real[i], 2) # 거듭제곱 print(cost) print('cost :', cost / len(pred)) print() real = [10, 9, 3, 2, 11] # y 실제값 pred = [11, 8, 4, 3,..
-
TensorFlow 기초 7 - Keras XOR(복수의 뉴런(노드)를 사용)TensorFlow 2022. 11. 29. 13:14
# 논리게이트 중 XOR은 복수의 뉴런(노드)를 사용 import numpy as np import tensorflow as tf from keras.models import Sequential from keras.layers import Dense, Activation, Flatten from keras.optimizers import Adam # 논리회로 분류 모델 생성 x = np.array([[0, 0], [0, 1], [1, 0], [1, 1]]) print(x) y = np.array([0, 1, 1, 0]) # xor model = Sequential() """ model.add(Dense(units=5, input_dim=2)) model.add(Activation('relu')) # hi..
-
TensorFlow 기초 6 - Keras 모델 기본 개념, 케라스 모델링 순서TensorFlow 2022. 11. 29. 11:35
케라스 모델링 순서(데이터 셋 > 모델 구성 > 모델 학습 과정 설정 > 모델 학습 > 모델 평가 > 모델 사용 Keras 기본 개념 - 케라스의 가장 핵심적인 데이터 구조는 "모델" 이다. - 케라스에서 제공하는 시퀀스 모델을 이용하여 레이어를 순차적으로 쉽게 쌓을 수 있다. - 케라스는 Sequential에 Dense 레이어(fully-connected layers 완전히 연결된 레이어)를 쌓는 스택 구조를 사용한다. 케라스 모델링 순서 1. 데이터 셋 생성 원본 데이터를 불러오거나 데이터를 생성한다. 데이터로부터 훈련셋, 검증셋, 시험셋을 생성한다. 이 때 딥러닝 모델의 학습 및 평가를 할 수 있도록 포맷 변환을 한다. 2. 모델 구성 시퀀스 모델을 생성한 뒤 필요한 레이어를 추가하며 구성한다. 좀..
-
TensorFlow 기초 5 - 사칙연산, 관계연산, 논리연산, 차원 축소, 차원 확대, one-hot, argmaxTensorFlow 2022. 11. 28. 17:37
# 연산자와 기본 함수 경험 import tensorflow as tf import numpy as np x = tf.constant(7) y = tf.constant(3) print(x + y) print(tf.add(x, y)) print(tf.cond(x > y, lambda:tf.add(x, y), lambda:tf.subtract(x, y))) f1 = lambda:tf.constant(123) f2 = lambda:tf.constant(456) print(tf.case([(tf.greater(x, y), f1)], default=f2).numpy()) # tf.less if(x > y) return 123 else return 456 print('관계 연산') print(tf.equal(1, ..
-
TensorFlow 기초 4 - 사칙연산, tf.constant(), tf.Variable(), autograph 기능TensorFlow 2022. 11. 28. 16:43
# tf.constant() : 텐서(일반적으로 상수)를 직접 기억 # tf.Variable() : 텐서가 저장된 주소를 참조 import tensorflow as tf import numpy as np from imageio.plugins._freeimage import FIMultipageBitmap node1 = tf.constant(3, tf.float32) node2 = tf.constant(4.0) print(node1) print(node2) imsi = tf.add(node1, node2) # 덧셈 print(imsi) print() node3 = tf.Variable(3, dtype=tf.float32) node4 = tf.Variable(4.0) print(node3) print(nod..
-
TensorFlow 기초 3 - TF의 구조 (Graph로 설계된 내용은 Session에 실행)TensorFlow 2022. 11. 28. 15:42
print('---TF의 구조 (Graph로 설계된 내용은 Session에 실행)---') g1 = tf.Graph() with g1.as_default(): # 특정 자원 처리를 한 후 자동 close() c1 = tf.constant(1, name='c_one') # tensor 이름을 선언 c1_1 = tf.constant(1, name='c_one1') # tensor 이름을 선언 print(c1) print(type(c1)) # Tensor 객체 print(c1.op) # tf.Operation 객체(내부적으로 (console 내용) 생성 됨) print('---') print(g1.as_graph_def()) print('--------------------') g2 = tf.Graph() w..