TensorFlow.js Classification

분류스러운 학습 & 수업을 마치며

수업소개

분류스러운 학습을 하기 위해서는 softmax 활성화 함수와 categorical cross entropy 를 손실함수로 사용해야 합니다. 이것에 대해서 알아봅니다. 

 

 

 

강의

 

 

 

예제

<html>
<head>
    <!-- 버전에 따라서 예제가 동작하지 않는 경우가 있습니다. 아래 버전을 권장합니다. -->
    <script src="https://cdn.jsdelivr.net/npm/danfojs@0.1.2/dist/index.min.js"></script>
    <script src="https://cdn.jsdelivr.net/npm/@tensorflow/tfjs@2.4.0/dist/tf.min.js"></script>
    <script src="https://cdn.jsdelivr.net/npm/@tensorflow/tfjs-vis"></script>
</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: 100, 
          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>

 

 

 

 

축하합니다. 여기까지 오시느라 고생하셨습니다. 더 많은 것이 필요한 분은 아래 지식지도를 이용해주세요.

https://seomal.com/map/1/118

 

댓글

댓글 본문
graphittie 자세히 보기