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. 😀

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.

유튜브에서 영상 보기

텐서플로우가 뭔가요?

데이터 생성 자바스크립트 코드

선형회귀 학습

플라스크 웹앱 코드

관련 태그의 다른 영상들