Tensorflow는 Google에서 제공하는 기계 학습 프레임워크입니다. 알고리즘, 딥 러닝 애플리케이션 등을 구현하기 위해 Python과 함께 사용되는 오픈 소스 프레임워크입니다. 연구 및 생산 목적으로 사용됩니다.
'tensorflow' 패키지는 아래 코드 줄을 사용하여 Windows에 설치할 수 있습니다. -
pip install tensorflow
Tensor는 TensorFlow에서 사용되는 데이터 구조입니다. 흐름도에서 가장자리를 연결하는 데 도움이 됩니다. 이 흐름도를 '데이터 흐름 그래프'라고 합니다. 텐서는 다차원 배열 또는 목록에 불과합니다.
'Fashion MNIST' 데이터셋에는 다양한 종류의 의복 이미지가 포함되어 있습니다. 10가지 카테고리에 속하는 70,000개 이상의 옷에 대한 회색조 이미지가 포함되어 있습니다. 이 이미지는 저해상도(28 x 28픽셀)입니다. Google Colaboratory를 사용하여 아래 코드를 실행하고 있습니다.
Google Colab 또는 Colaboratory는 브라우저를 통해 Python 코드를 실행하는 데 도움이 되며 구성이 필요 없고 GPU(그래픽 처리 장치)에 대한 무료 액세스가 필요합니다. Colaboratory는 Jupyter Notebook을 기반으로 구축되었습니다.
다음은 Python에서 Fashion MNIST 데이터 세트에 대한 모델을 빌드하는 코드 스니펫입니다.
예시
model = tf.keras.Sequential([
tf.keras.layers.Flatten(input_shape=(28, 28)),
tf.keras.layers.Dense(128, activation='relu'),
tf.keras.layers.Dense(10)
])
print("Sequential model is being built")
model.compile(optimizer='adam', loss=tf.keras.losses.SparseCategoricalCrossentropy(from_logits=True), metrics=['accuracy'])
print("Sequential model is being compiled") 코드 크레딧 - https://www.tensorflow.org/tutorials/keras/classification
출력
Sequential model is being built Sequential model is being compiled
설명
-
모델의 레이어가 구성됩니다.
-
신경망의 기본 블록인 레이어는 레이어에 입력 데이터로 제공되는 데이터에서 표현을 추출합니다.
-
많은 간단한 레이어가 함께 그룹화됩니다.
-
일부 레이어에는 훈련 단계에서 최적의 값에 도달하도록 조정된 매개변수도 있습니다.
-
첫 번째 레이어 'Flatten'은 이미지를 2D에서 1D 배열로 변환합니다.
-
이 레이어에는 학습해야 하는 매개변수가 없습니다.
-
픽셀이 평평해지면 두 개의 'Dense' 레이어가 만들어지며 모든 밀도 레이어에는 128개의 뉴런이 있습니다. 마지막 레이어는 길이가 10인 로지츠 배열을 반환합니다.
-
모든 뉴런/노드에는 이미지가 속한 클래스를 알려주는 점수인 값이 있습니다.
-
그런 다음 모델이 컴파일됩니다.