[TensorFlow] 01. 1차 방정식 학습하기

코드부터 작성하기

import tensorflow as tf
import numpy as np
from tensorflow.keras import Sequential
from tensorflow.keras.layers import Dense

model = Sequential([Dense(units=1, input_shape=[1])])
model.compile(optimizer='sgd', loss='mean_squared_error')

X, Y = [], []
for i in range(-5, 6):
  X.append(i)
  Y.append(4*i-5)

xs = np.array(X, dtype=float)
ys = np.array(Y, dtype=float)
print(xs, ys)

model.fit(xs, ys, epochs=500)

print(model.predict([10.0])) # 35

위 코드는
$$ y=4\cdot x-5 $$
위 수식을 예측하는 모델을 학습한 후, x=10을 대입하여 결과를 확인하는 코드이다.

코드 분석하기

모듈 불러오기

Sequential: 여러 레이어가 순차적인 구조를 가지는 모델

Dense: Fully Connected Layer(완전 연결 계층), 각 layer끼리 모든 뉴런이 서로 연결되어있는 계층

import tensorflow as tf
import numpy as np
from tensorflow.keras import Sequential
from tensorflow.keras.layers import Dense

모델 구성하기

출력(units) 개수가 1개, 입력 개수(input_shape)가 1개인 완전연결계층을 하나 배열한 Sequential 모델.

• 옵티마이저(optimizer): SGD(Stochastic Gradient Descent)
• 손실함수(loss, Loss Function): 평균제곱오차(MSE, Mean Squared Error)

model = Sequential([Dense(units=1, input_shape=[1])])
model.compile(optimizer='sgd', loss='mean_squared_error')

데이터 준비하기

• X = [-5, -4, -3, -2, ... , 5]
• y = 4 * x - 5
• Y = [-25, -21, -17, -13, ... , 15]

X, Y = [], []
for i in range(-5, 6):
  X.append(i)
  Y.append(4*i-5)

xs = np.array(X, dtype=float)
ys = np.array(Y, dtype=float)

모델 학습하기

tf.keras.Model.fit(x, y)

• x = Input 데이터
• y = Target 데이터(정답)
• epochs = 학습의 반복 수

model.fit(xs, ys, epochs=500)

예측하기

$$ y=4\cdot x-5 $$
x = 10일 때
$$ y=4\cdot 10-5=35 $$

모델의 예측은 35.000202가 나왔다. 거의 비슷한 수치.

print(model.predict([10.0])) # 35

1/1 [==============================] - 0s 160ms/step
[[35.000202]]

참고도서