tensorflow.js

나의 모델 만들기

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>

 

댓글

댓글 본문
  1. egoing
    visual studio code를 쓰고 있답니다.
    대화보기
    • egoing
      페이지를 리로드 하면 다 휘발되어 버린답니다. 이걸 저장하는 방법은 뒤에서 볼께요
      대화보기
      • Hotbrains
        완료~ 감사합니다.
      • Mark Kim
        여러 모델을 학습 시키면서 궁금 했던 점이, 모델을 얼마나 학습 시켜야 하는지 과거 데이터의 결과값을 통해서 예측 할 수 있지만 원인과 결과의 상관관계가 분명하지 않을 경우에는 어떻게 알 수 있는지 알고 싶습니다.
      • 이성민
        완료~
      • jwoh
        21-03-29
      • jwoh
        완전 인정합니다.... 최고의강의...
        대화보기
        • JJ Lee
          뭐죠 텐서플로우 성능이 그새 좋아졌나요?
          수천번 학습 안시켜도, 전 딱 한번(epochs 100회)만에 원하는 최종 목표했던 결과값을 보여주네요.

          그런데, 다시 페이지 리로드 하면 완전 결과값 오차가 다시 상당해 지네요;;;
        • Newbiecoder
          완료!
        • 뭄수
          완료
        • submit
          완료!!
        • 손님입장
          완료
        • 박지웅
          완료
        • John
          완료
        • BEUNSEGONG
          완료
        • 서광원
          완료
        • 이민지
          완료
        • VIBOT
          ok
        • 박병진
          2021.01.12 완료 와우, 대박입니다. 자바스크립트에서 고생하면서 배웠는데 여기서 보상받는것 같습니다. 이해가 잘되고 신기합니다.
        • 32comma
          (๑˃̵ᴗ˂̵)و
        • 김현우
          21.01.11 수강완료
        • 해피쌤
          완료
        • 김지호
          21 01 09
        • 리모넨
          2021.01.08 수강완료
        • 그냥그냥
          전달력 최고세요!!!
        • 코코딩
          유료 강의였으면 4주 걸려서 설명 했을 것을 26분 56초 만에 설명해버리는 클래스 ㅎㄷㄷ
          군더더기 하나 정말 깔끔, 명료.
          이것이 파는 상품 이였더라면, 명품.
          진품명품에 내놓으면 심사의원들이 가격을 책정하지 못할정도로 난색을 표현할 작품.
          이런 멋진 강의를 보고 있는 나는 복받음.
          쓰다보니 갑자기 흥나 라임을 써내려가는 신명나는 강의, 음~~~
          좋아욤 ㅋㅋ
        • 라온
          데이터를 만들고, 모델을 만들고 , 모델을 학습시키고 결과를 얻는다.
          감사합니다.
        • RickyU
          저는 Sublime Text를 사용해서 파일을 편집하고 Google Chrome으로 편집한 html파일을 열고 Google Chrome의 개발자 도구를 통해 결과값을 확인했습니다. (손에 익어서 Sublime Text를 사용했지만 요즘은 VSCode도 많이 사용한다고 들었습니다.)
        • ukmadang
          에디팅 파일 및 그 사용법을 잘 이해하지 못하고 있지만 영상을 보며 큰 줄기만 따라가고 있습니다. 혹시 가능하시면 에디터 명칭 및 사용법도 강의해 주시면 정말정말 고맙겠습니다. 항상 감동받고 갑니다.
        • exaiting
          에디팅 파일은 뭘 사용해야 하나요?!!
        • 플로우
          2일차 완료
        • CrashOverride
          2일차 완료
        • 녹차먹고쿠우
          완료
        • 돌돌시레
          영상에서 사용하시는 프로그램은 atom이 아닌가요?ㅎㅎ 항상 좋은 강의 감사합니다
        • 건형팍
          와 신기합니다!!
        • 이지현
          잘 봤습니다. ^^
        버전 관리
        egoing@gmail.com
        현재 버전
        선택 버전
        graphittie 자세히 보기