수업소개
나의 모델을 만드는 방법을 소개합니다.
강의1
강의2
강의3
5.html
1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24 25 26 27 28 29 30 31 32 33 34 35 36 37 38 39 40 41 42 43 44 45 46 47 | <!DOCTYPE html> < html > < head > < title >TensorFlow.js Tutorial - lemon</ title > <!-- Import TensorFlow.js --> <!-- <script src="https://cdn.jsdelivr.net/npm/@tensorflow/tfjs@1.0.0/dist/tf.min.js"></script> --> </ head > < body > < script > // 1. 과거의 데이터를 준비합니다. // var 온도 = [20,21,22,23]; // var 판매량 = [40,42,44,46]; // var 원인 = tf.tensor(온도); // var 결과 = tf.tensor(판매량); // 2. 모델의 모양을 만듭니다. // var X = tf.input({ shape: [1] }); // var Y = tf.layers.dense({ units: 1 }).apply(X); // var model = tf.model({ inputs: X, outputs: Y }); // var compileParam = { optimizer: tf.train.adam(), loss: tf.losses.meanSquaredError } // model.compile(compileParam); // 3. 데이터로 모델을 학습시킵니다. // var fitParam = { epochs: 100} // var fitParam = { epochs: 100, callbacks:{onEpochEnd:function(epoch, logs){console.log('epoch', epoch, logs);}}} // loss 추가 예제 // model.fit(원인, 결과, fitParam).then(function (result) { // 4. 모델을 이용합니다. // 4.1 기존의 데이터를 이용 // var 예측한결과 = model.predict(원인); // 예측한결과.print(); // }); // 4.2 새로운 데이터를 이용 // var 다음주온도 = [15,16,17, 18, 19] // var 다음주원인 = tf.tensor(다음주온도); // var 다음주결과 = model.predict(다음주원인); // 다음주결과.print(); </ script > </ body > </ html > |
5.3.html
1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24 25 26 27 28 29 30 31 32 33 34 35 36 37 38 39 40 41 42 43 44 45 46 47 | <!DOCTYPE html> < html > < head > < title >TensorFlow.js Tutorial - lemon</ title > <!-- Import TensorFlow.js --> </ head > < body > < script > // 1. 과거의 데이터를 준비합니다. var 온도 = [20,21,22,23]; var 판매량 = [40,42,44,46]; var 원인 = tf.tensor(온도); var 결과 = tf.tensor(판매량); // 2. 모델의 모양을 만듭니다. // var X = tf.input({ shape: [1] }); // var Y = tf.layers.dense({ units: 1 }).apply(X); // var model = tf.model({ inputs: X, outputs: Y }); // var compileParam = { optimizer: tf.train.adam(), loss: tf.losses.meanSquaredError } // model.compile(compileParam); // 3. 데이터로 모델을 학습시킵니다. // var fitParam = { epochs: 100} // var fitParam = { epochs: 100, callbacks:{onEpochEnd:function(epoch, logs){console.log('epoch', epoch, logs);}}} // loss 추가 예제 // model.fit(원인, 결과, fitParam).then(function (result) { // 4. 모델을 이용합니다. // 4.1 기존의 데이터를 이용 // var 예측한결과 = model.predict(원인); // 예측한결과.print(); // }); // 4.2 새로운 데이터를 이용 // var 다음주온도 = [15,16,17, 18, 19] // var 다음주원인 = tf.tensor(다음주온도); // var 다음주결과 = model.predict(다음주원인); // 다음주결과.print(); </ script > </ body > </ html > |
강의4
5.4.html
1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24 25 26 27 28 29 30 31 32 33 34 35 36 37 38 39 40 41 42 43 44 45 46 47 | <!DOCTYPE html> < html > < head > < title >TensorFlow.js Tutorial - lemon</ title > <!-- Import TensorFlow.js --> </ head > < body > < script > // 1. 과거의 데이터를 준비합니다. var 온도 = [20,21,22,23]; var 판매량 = [40,42,44,46]; var 원인 = tf.tensor(온도); var 결과 = tf.tensor(판매량); // 2. 모델의 모양을 만듭니다. var X = tf.input({ shape: [1] }); var Y = tf.layers.dense({ units: 1 }).apply(X); var model = tf.model({ inputs: X, outputs: Y }); var compileParam = { optimizer: tf.train.adam(), loss: tf.losses.meanSquaredError } model.compile(compileParam); // 3. 데이터로 모델을 학습시킵니다. // var fitParam = { epochs: 100} // var fitParam = { epochs: 100, callbacks:{onEpochEnd:function(epoch, logs){console.log('epoch', epoch, logs);}}} // loss 추가 예제 // model.fit(원인, 결과, fitParam).then(function (result) { // 4. 모델을 이용합니다. // 4.1 기존의 데이터를 이용 // var 예측한결과 = model.predict(원인); // 예측한결과.print(); // }); // 4.2 새로운 데이터를 이용 // var 다음주온도 = [15,16,17, 18, 19] // var 다음주원인 = tf.tensor(다음주온도); // var 다음주결과 = model.predict(다음주원인); // 다음주결과.print(); </ script > </ body > </ html > |
강의5
5.5.html
1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24 25 26 27 28 29 30 31 32 33 34 35 36 37 38 39 40 41 42 43 44 45 46 47 | <!DOCTYPE html> < html > < head > < title >TensorFlow.js Tutorial - lemon</ title > <!-- Import TensorFlow.js --> </ head > < body > < script > // 1. 과거의 데이터를 준비합니다. var 온도 = [20,21,22,23]; var 판매량 = [40,42,44,46]; var 원인 = tf.tensor(온도); var 결과 = tf.tensor(판매량); // 2. 모델의 모양을 만듭니다. var X = tf.input({ shape: [1] }); var Y = tf.layers.dense({ units: 1 }).apply(X); var model = tf.model({ inputs: X, outputs: Y }); var compileParam = { optimizer: tf.train.adam(), loss: tf.losses.meanSquaredError } model.compile(compileParam); // 3. 데이터로 모델을 학습시킵니다. var fitParam = { epochs: 100} // var fitParam = { epochs: 100, callbacks:{onEpochEnd:function(epoch, logs){console.log('epoch', epoch, logs);}}} // loss 추가 예제 model.fit(원인, 결과, fitParam).then(function (result) { // 4. 모델을 이용합니다. // 4.1 기존의 데이터를 이용 // var 예측한결과 = model.predict(원인); // 예측한결과.print(); }); // 4.2 새로운 데이터를 이용 // var 다음주온도 = [15,16,17, 18, 19] // var 다음주원인 = tf.tensor(다음주온도); // var 다음주결과 = model.predict(다음주원인); // 다음주결과.print(); </ script > </ body > </ html > |
강의6
5.6.html
1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24 25 26 27 28 29 30 31 32 33 34 35 36 37 38 39 40 41 42 43 44 45 46 47 | <!DOCTYPE html> < html > < head > < title >TensorFlow.js Tutorial - lemon</ title > <!-- Import TensorFlow.js --> </ head > < body > < script > // 1. 과거의 데이터를 준비합니다. var 온도 = [20,21,22,23]; var 판매량 = [40,42,44,46]; var 원인 = tf.tensor(온도); var 결과 = tf.tensor(판매량); // 2. 모델의 모양을 만듭니다. var X = tf.input({ shape: [1] }); var Y = tf.layers.dense({ units: 1 }).apply(X); var model = tf.model({ inputs: X, outputs: Y }); var compileParam = { optimizer: tf.train.adam(), loss: tf.losses.meanSquaredError } model.compile(compileParam); // 3. 데이터로 모델을 학습시킵니다. var fitParam = { epochs: 100} // var fitParam = { epochs: 100, callbacks:{onEpochEnd:function(epoch, logs){console.log('epoch', epoch, logs);}}} // loss 추가 예제 model.fit(원인, 결과, fitParam).then(function (result) { // 4. 모델을 이용합니다. // 4.1 기존의 데이터를 이용 var 예측한결과 = model.predict(원인); 예측한결과.print(); }); // 4.2 새로운 데이터를 이용 // var 다음주온도 = [15,16,17,18,19] // var 다음주원인 = tf.tensor(다음주온도); // var 다음주결과 = model.predict(다음주원인); // 다음주결과.print(); </ script > </ body > </ html > |