수업소개
나의 모델을 만드는 방법을 소개합니다.
강의1
강의2
강의3
5.html
<!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
<!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>
강의4
5.4.html
<!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>
강의5
5.5.html
<!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>
강의6
5.6.html
<!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>
