(Tensorflow 2.x) Regression 1탄

1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24 25 26 27 28 29 30 31 32 33 34 35 36 37 38 39 40 41 42 43 44 45 46 47 48 49 50 51 52 53 54 55 56 57 58 59 60 61 62 63

import numpy as np import tensorflow as tf import matplotlib.pyplot as plt   from tensorflow.keras.models import Sequential from tensorflow.keras.layers import Flatten, Dense from tensorflow.keras.optimizers import SGD,  Adam   print(tf.__version__)       # 데이터셋 생성 x_data = np.random.randint(0, 11, size=(5, 3))-5  # -5~5 y_data = np.array([2*x[0] - x[0] + 3 * x[0] for x in x_data])  # y = 2x_1 - x_2 + 3x_3   print(x_data.shape, y_data.shape)  # (5, 3) (5,)     # 모델 구축 model = Sequential() model.add(Dense(10, input_shape=(3, ), activation='linear')) model.add(Dense(1, activation='linear'))     # 모델 컴파일 model.compile(optimizer=SGD(learning_rate=1e-2), loss='mse') model.summary()     # 모델 입출력 크기 확인 print(model.input) print(model.output) print(model.weights)     # 모델 학습 hist = model.fit(x_data, y_data, epochs=50)     # 모델 평가 및 예측 test_data = np.random.randint(0, 11, size=(5, 3))-5 test_data_label = np.array([2*x[0] - x[0] + 3 * x[0] for x in test_data])   pred_val = model.predict(test_data) print(pred_val) print(test_data_label)     # 모델 저장 및 로드 # model.save("model_name.h5") # model = tf.keras.models.load_model("model_name.h5")     # 모델 손실함수 추이확인 plt.title("loss") plt.xlabel("epoch") plt.ylabel("loss") plt.grid() plt.plot(hist.history['loss'], label='train_loss') plt.legend(loc='best') plt.show()   Colored by Color Scripter

cs

 

위의 소스코드를 실행시키면 아래와 같은 출력값을 얻을 수 있다.