수업소개
학습을 위한 코드를 살펴봅시다.
강의
예제
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 48 49 50 51 52 53 54 55 56 57 58 59 60 61 | <html><head> <!-- 버전에 따라서 예제가 동작하지 않는 경우가 있습니다. 아래 버전을 권장합니다. --></head><body><script> dfd.read_csv('https://raw.githubusercontent.com/blackdew/tensorflow1/master/csv/iris.csv').then(function(data){ console.log(data); data.print(); 독립변수 = data.loc({columns:['꽃잎길이','꽃잎폭','꽃받침길이','꽃받침폭']}); 독립변수.print(); var encoder = new dfd.OneHotEncoder(); 종속변수 = encoder.fit(data['품종']); data['품종'].print(); 종속변수.print(); var X = tf.input({ shape: [4]}); var H = tf.layers.dense({ units: 4, activation:'relu'}).apply(X); var Y = tf.layers.dense({ units: 3}).apply(H); // var Y = tf.layers.dense({ units: 3, activation:'softmax'}).apply(H); model = tf.model({ inputs: X, outputs: Y }); var compileParam = { optimizer: tf.train.adam(), loss: tf.losses.meanSquaredError} // var compileParam = { optimizer: tf.train.adam(), loss: 'categoricalCrossentropy', metrics:['accuracy'] } model.compile(compileParam); tfvis.show.modelSummary({name:'요약', tab:'모델'}, model); // // 3. 데이터로 모델을 학습시킵니다. _history = []; var fitParam = { epochs: 1000, callbacks:{ onEpochEnd: function(epoch, logs){ console.log('epoch', epoch, logs, 'RMSE=>', Math.sqrt(logs.loss)); _history.push(logs); tfvis.show.history({name:'loss', tab:'역사'}, _history, ['loss']); // tfvis.show.history({name:'accuracy', tab:'역사'}, _history, ['acc']); } } } model.fit(독립변수.tensor, 종속변수.tensor, fitParam).then(function (result) { // // 4. 모델을 이용합니다. // // 4.1 기존의 데이터를 이용 예측한결과 = new dfd.DataFrame(model.predict(독립변수.tensor)); 예측한결과.print(); 종속변수.print(); }); })</script></body></html> |
