[tensorflow] Basic / Simple model

텐서플로우 자격증 준비를 위한 공부를 하려고 합니다.

시험 문제 유형은 아래와 같으며 coursera와 udacity 강의를 보고 준비하려고 합니다.

• Category 1: Basic / Simple model

• Category 2: Model from learning dataset

• Category 3: Convolutional Neural Network with real-world image dataset

• Category 4: NLP Text Classification with real-world text dataset

• Category 5: Sequence Model with real-world numeric dataset

www.udacity.com/course/intro-to-tensorflow-for-deep-learning--ud187

Intro to TensorFlow for Deep Learning | Udacity Free Courses

www.coursera.org/learn/introduction-tensorflow/home/welcome

Coursera | Online Courses & Credentials From Top Educators. Join for Free | Coursera

Category 1: Basic / Simple model

섭씨에서 화씨로 변환하는 간단한 예제에 대해 알아보려고 합니다.

f = c * 1.8 + 32 가 공식인데 텐서플로우를 통해 모델을 학습해보려고 합니다.

기계학습을 위한 필요한 패키지를 import한뒤에 학습을 위한 데이터를 세팅합니다.

import tensorflow as tf
import numpy as np
import logging
logger = tf.get_logger()
logger.setLevel(logging.ERROR)

celsius_q    = np.array([-40, -10,  0,  8, 15, 22,  38],  dtype=float)
fahrenheit_a = np.array([-40,  14, 32, 46, 59, 72, 100],  dtype=float)

for i,c in enumerate(celsius_q):
  print("{} 섭씨는 = {} 화씨입니다.".format(c, fahrenheit_a[i]))

그후 모델을 만들기 위해서 하나의 레이어를 만듭니다. 1차원 배열이 하나있는 유일한 레이어를 만드려고 합니다.

model = tf.keras.Sequential([
  tf.keras.layers.Dense(units=1, input_shape=[1])
])

다음은 모델을 컴파일 하려고 합니다.

Loss function은 원하는 결과에서 예측값의 차이이고(손실함수)

Optimizer function은 손실을 줄이기 위해 내부 값을 조정하는 방법입니다.

model.compile(loss='mean_squared_error',
              optimizer=tf.keras.optimizers.Adam(0.1))

fit 메서드를 이용하여 모델을 훈련시킵니다.

history = model.fit(celsius_q, fahrenheit_a, epochs=500, verbose=False)
print("Finished training the model")

모델 손실이 어떻게 감소하는지 시각화하겠습니다. 

import matplotlib.pyplot as plt
plt.xlabel('Epoch Number')
plt.ylabel("Loss Magnitude")
plt.plot(history.history['loss'])