# Linear Regression 몇 번째 선형 회귀인지 알 수 없다.  ## 01. 2d data로 예측해보기  이번 튜토리얼에서는 자동차 세트를 표현한 숫자 데이터로 예측하는 모델을 훈련시켜 봅니다.  이 연습에서는 다양한 종류의 모델을 훈련하는 공통적인 단계를 보여주고, 이에 따라 작은 데이터 세트와 간단한 모델을 사용합니다. 1차적인 목표는 Te...

Tensorflow.js - 03. Linear Regression

[https://www.tensorflow.org/js/tutorials](https://www.tensorflow.org/js/tutorials)을 개인적인 학습을 위해 번역한 글입니다. 정확한 번역을 위해서가 아니라, 개인적인 공부를 위해서 하는 것입니다. 오해 ㄴㄴ

## 시작하기

Tensorflow.js는 브라우저와 Node.js에서 머신러닝 모델을 사용하고 훈련시킬 수 있는 자바스크립트 라이브러리입니다.

시작하는 다양한 방법은 아래 섹션들을 참고하세요.



### 직접 Tensors를 사용하지 않고 머신러닝 프로그램을 작성하기

저레벨의 Tensors나 Optimizers 등을 고려하지 않고 머신러닝을 시작하고 싶나요? Tensorflow.js를 기반으로 구축한 ml5.js 라이브러리는 간결하고 접근 가능한 API 를 통해 브라우저 환경에서 머신러닝 알고리즘 및 모델에 접근할 수 있게 해줍니다.

[ml5.js](https://ml5js.org/)

### Tensorflow.js 설치하기

Tensors, layers, optimizers, loss functions 등의 개념에 익숙하신가요? Tensorflow.js는 자바스크립트 환경에서 신경망 네트워크 구축을 위한 유연함을 제공합니다.

Tensorflow.js를 브라우저와 node.js환경에서 어떻게 실행할 수 있는지 아래에서 확인해보세요.

[설치하기](/2019/12/20/tensorflowjs-02-setup/)

### 이미 훈련된 모델을 Tensorflow.js로 변환하기

파이썬으로 사전에 훈련된 모델을 어떻게 Tensorflow.js로 변환할 수 있는지 알아보세요.

[Keras Model (번역예정)](https://www.tensorflow.org/js/tutorials/conversion/import_keras)
[GraphDef Model (번역예정)](https://www.tensorflow.org/js/tutorials/conversion/import_saved_model)

### 이미 존재하는 Tensorflow.js 코드에서 배우기

`tfjs-examples`는 다양한 머신러닝 과제들을 Tensorflow.js로 구현한 작은 코드 예제들을 보여줍니다.

[Github에서 보기](https://github.com/tensorflow/tfjs-examples)

### Tensorflow.js 모델을 시각화 하기

`tfjs-vis` 는 브라우저에서 Tensorflow.js를 시각화 할 수 있는 작은 라이브러리 입니다.

### 데이터를 Tensorflow.js에서 처리하기

`TensorFlow.js`는 머신러닝을 활용해 데이터를 처리할 수 있도록 도와줍니다.

[https://www.tensorflow.org/js/tutorials](https://www.tensorflow.org/js/tutorials)을 개인적인 학습을 위해 번역한 글입니다. 정확한 번역을 위해서가 아니라, 개인적인 공부를 위해서 하는 것입니다. 오해 ㄴㄴ ## 시작하기  Tensorflow.js는 브라우저와 Node.js에서 머신러닝 모델...

Tensorflow.js - 01. 시작하기

[이전글 보기](/2019/12/20/tensorflowjs-01-get-started/)

## 설치

### 브라우저 설치

Tensorflow.js를 설치하는 방법은 두 가지가 있습니다.

- Script tag를 이용하는법
- npm을 이용해서 설치하고, Parcel, Webpack, Rollup 같은 빌드 툴을 사용

뉴비 웹 개발자거나, 위 에서 언급한 패키지 들을 전혀 모른다면 스크립트 태그를 활용하세요. 혹은 조금 경험 이 있거나, 큰 규모의 프로그램을 계획하고 있다면 빌드 툴 활용을 검토해보세요.



#### 스크립트 태그 사용하기

```html
<script src="https://cdn.jsdelivr.net/npm/@tensorflow/tfjs@1.0.0/dist/tf.min.js"></script>
```

```javascript
// linear regression 모델
const model = tf.sequential()
model.add(tf.layers.dense({ units: 1, inputShape: [1] }))

model.compile({ loss: "meanSquaredError", optimizer: "sgd" })

// 훈련을 위한 임의 데이터 생성
const xs = tf.tensor2d([1, 2, 3, 4], [4, 1])
const ys = tf.tensor2d([1, 3, 5, 7], [4, 1])

// 데이터 기반으로 훈련시키기
model.fit(xs, ys, { epochs: 10 }).then(() => {
  // 훈련한 모델을 기반으로 데이터 예측
  model.predict(tf.tensor2d([5], [1, 1])).print()
  // dev tool에 결과 값이 나온다.
})
```

### npm을 이용해서 설치하기

`npm cli`나 `yarn`둘다 활용할 수 있습니다.

```
yarn add @tensorflow/tfjs
```

```
npm install @tensorflow/tfjs
```

```javascript
import * as tf from "@tensorflow/tfjs"

// linear regression 모델
const model = tf.sequential()
model.add(tf.layers.dense({ units: 1, inputShape: [1] }))

model.compile({ loss: "meanSquaredError", optimizer: "sgd" })

// 훈련을 위한 임의 데이터 생성
const xs = tf.tensor2d([1, 2, 3, 4], [4, 1])
const ys = tf.tensor2d([1, 3, 5, 7], [4, 1])

// 데이터 기반으로 훈련시키기
model.fit(xs, ys, { epochs: 10 }).then(() => {
  // 훈련한 모델을 기반으로 데이터 예측
  model.predict(tf.tensor2d([5], [1, 1])).print()
  // 결과 값이 나온다.
})
```

### Node.js 설치

`npm cli`나 `yarn`둘다 활용할 수 있습니다.

**Option1** native C++ 바인딩이 포함되어 있는 Tensorflow.js 설치

```
yarn add @tensorflow/tfjs-node
```

```
npm install @tensorflow/tfjs-node
```

**Option2** (리눅스 만 가능) 만약 시스템에서 CUDA NVIDIA GPU를 활용 가능하다면, 더 고성능 퍼포먼스를 위해 GPU 패키지를 사용할 수도 있습니다.

```
yarn add @tensorflow/tfjs-node-gpu
```

```
npm install @tensorflow/tfjs-node-gpu
```

**Option3** 순수 자바스크립트 버전 설치. 셋 중에 가장 느린 버전입니다.

```
yarn add @tensorflow/tfjs
```

```
npm install @tensorflow/tfjs
```

```javascript
const tf = require("@tensorflow/tfjs")

// 옵셔널
// '@tensorflow/tfjs-node-gpu' gpu와 사용하고 싶다면
require("@tensorflow/tfjs-node")

// Train a simple model:
const model = tf.sequential()
model.add(tf.layers.dense({ units: 100, activation: "relu", inputShape: [10] }))
model.add(tf.layers.dense({ units: 1, activation: "linear" }))
model.compile({ optimizer: "sgd", loss: "meanSquaredError" })

const xs = tf.randomNormal([100, 10])
const ys = tf.randomNormal([100, 1])

model.fit(xs, ys, {
  epochs: 100,
  callbacks: {
    onEpochEnd: (epoch, log) =>
      console.log(`Epoch ${epoch}: loss = ${log.loss}`),
  },
})
```

### TypeScript

타입스크립트 환경에서 사용한다면, 그리고 프로젝트에서 strict null 체킹을 한다면`skipLibCheck: true` 을 `tsconfig.json`에 포함시켜서 컴파일 도중에 에러가 나지 않도록 처리해야 합니다.

[이전글 보기](/2019/12/20/tensorflowjs-01-get-started/) ## 설치  ### 브라우저 설치  Tensorflow.js를 설치하는 방법은 두 가지가 있습니다.  - Script tag를 이용하는법 - npm을 이용해서 설치하고, Parcel, Webpack, Rollup 같은 빌드 툴을 사용  뉴비 웹 개발자거나, 위 에서...

yceffort

ai

Tensorflow.js - 03. Linear Regression

Tensorflow.js - 01. 시작하기

Tensorflow.js - 02. 설치하기