Tensorflow - 모델 저장 및 재사용

실습 환경은 Python 3.6과 tensorflow 1.5이다. 현업에서는 딥러닝을 이용할 때 모델의 구성, 모델의 학습, 결과 예측을 각각 분리하여 처리해야 하는 경우가 많다(고 한다). 이러한 경우, Saver와 checkpoint 등을 이용해 모델에 관한 정보를 저장하고 불러와 사용하는 방식을 이용한다. 데이터 입력 앞선 예제들과 달리 데이터 역시 주로 프로그램의 내부가 아닌 외부에서 주어진다. 이러한 데이터를 불러오는 방법은 아래와 같다. # 데이터 파일로부터 데이터 받아옴 data = np.loadtxt('./data.csv', delimiter=',', unpack=True, dtype='float32') # 슬라이싱을 통해 입력값과 출력값으로 분리 x_data = np.transpose(d..

• format_list_bulleted 개발 일지/ML
• · 2020. 7. 19.
• textsms

Tensorflow로 선형 회귀 모델(linear regression model) 구현하기

실습 환경은 Python 3.6과 tensorflow 1.5이다. 선형 회귀(linear regression)란? 선형 회귀란, x와 y의 값(데이터)가 주어졌을 때, 두 데이터 간 관계의 규칙성을 찾아 새로운 x값(input)에 대해 적절한 y값(output)을 예측하는 기법이다. 선행 개념 플레이스홀더 세션과 지연 실행 앞의 두 가지 개념을 아직 들어본 적이 없다면 아래의 게시물을 참고하자. 2020/07/14 - [개발 일지/ML] - 텐서(tensor), 플레이스홀더(placeholder)와 변수 1. 데이터셋 설정 # y = 2x 의 선형 그래프 x_data = [1, 2, 3] y_data = [2, 4, 6] 다음과 같이 데이터셋을 설정하였다. 2. 가중치와 편향 탐색 # 균등분포(unifo..

• format_list_bulleted 개발 일지/ML
• · 2020. 7. 14.
• textsms

텐서(tensor), 플레이스홀더(placeholder)와 변수

학습 환경은 tensorflow verison 1.15이다. tensorflow version 1과 2는 상당히 차이가 있는 것 같지만 요즘에도 주로 사용되는 version 1을 먼저 학습하기로 하였다. 우선은 텐서플로우를 사용하기 위해서는 tensorflow 모듈을 import 해야 한다. import tensorflow as tf 이때, 이후에 다른 버전을 이용해야 할 일이 생길 수도 있고 다른 모듈과 함께 사용하다가 버전 충돌이 발생할 수도 있다는 점을 고려하여 별도의 가상 환경을 구축하여 진행하기를 권장한다. 가상 환경을 생성하고 관리하는 방법은 이전 포스트에 기술해 두었다. 2020/07/13 - [개발 일지/ML] - Pycharm을 이용한 Anaconda 가상 환경(env) 설정 Pychar..

• format_list_bulleted 개발 일지/ML
• · 2020. 7. 14.
• textsms

Pycharm을 이용한 Anaconda 가상환경(env) 설정

학습에 사용된 운영체제는 Windows이다. ​ Anaconda를 이용하면 필요에 따라 간편하게 여러 가상 환경을 생성/제거하고 사용할 수 있다. CMD를 이용한 가상 환경 관리 명령어는 다음과 같다. ' 가상환경 생성/삭제 및 관리 conda list 현재 가상 환경에 설치된 라이브러리 목록을 출력 conda env list 존재하는 가상 환경 목록을 출력 conda create -n {envname} python=version envname이라는 이름의 가상 환경을 생성 * -n 은 --name의 축약된 표현임 (conda) activate {envname} 해당 가상 환경을 활성화(사용) * Windows command line에서는 conda를 생략 conda deactivate 사용중인 가상 환..

• format_list_bulleted 개발 일지/Python
• · 2020. 7. 13.
• textsms