JavaScript로 머신러닝 시작하기: TensorFlow.js를 사용한 초보자 가이드

머신러닝(ML)은 소프트웨어 개발의 세계를 빠르게 변화시켰습니다. 최근까지 Python은 TensorFlow 및 PyTorch와 같은 라이브러리 덕분에 ML 공간에서 지배적인 언어였습니다. 그러나 TensorFlow.js의 등장으로 JavaScript 개발자는 이제 친숙한 구문을 사용하여 브라우저나 Node.js에서 직접 모델을 구축하고 훈련함으로써 흥미진진한 기계 학습의 세계에 뛰어들 수 있습니다.

이 블로그 게시물에서는 JavaScript를 사용하여 머신러닝을 시작하는 방법을 살펴보겠습니다. TensorFlow.js를 사용하여 간단한 모델을 구축하고 훈련하는 예를 살펴보겠습니다.

왜 TensorFlow.js인가요?

TensorFlow.js는 기계 학습 모델을 완전히 JavaScript로 정의, 훈련 및 실행할 수 있는 오픈 소스 라이브러리입니다. 브라우저와 Node.js 모두에서 실행되므로 다양한 ML 애플리케이션에 매우 다용도로 사용할 수 있습니다.

TensorFlow.js가 흥미로운 몇 가지 이유는 다음과 같습니다.

1. 실시간 훈련: 브라우저에서 직접 모델을 실행하여 실시간 상호작용을 제공할 수 있습니다.
2. 크로스 플랫폼: 서버와 클라이언트 환경 모두에서 동일한 코드를 실행할 수 있습니다.
3. 하드웨어 가속: GPU 가속을 위해 WebGL을 사용하여 계산 속도를 높입니다.

시작하는 방법을 알아보세요!

1. TensorFlow.js 설정

코드를 살펴보기 전에 TensorFlow.js를 설치해야 합니다. <script>를 통해 프로젝트에 포함할 수 있습니다. 환경에 따라 태그 또는 npm을 사용하세요.</script>

브라우저 설정

브라우저에서 TensorFlow.js를 사용하려면 다음 <script> HTML 파일의 태그:<br> </script>

<script src="https://cdn.jsdelivr.net/npm/@tensorflow/tfjs"></script>

Node.js 설정

Node.js 환경의 경우 npm을 사용하여 설치할 수 있습니다.

npm install @tensorflow/tfjs

2. 간단한 신경망 모델 구축

기본 선형 함수 y = 2x - 1의 출력을 예측하는 간단한 신경망을 만들어 보겠습니다. TensorFlow.js를 사용하여 이 모델을 만들고 훈련하겠습니다.

1단계: 모델 정의

하나의 조밀한 레이어가 있는 순차 모델(레이어의 선형 스택)을 정의하는 것부터 시작하겠습니다.

// Import TensorFlow.js
import * as tf from '@tensorflow/tfjs';

// Create a simple sequential model
const model = tf.sequential();

// Add a single dense layer with 1 unit (neuron)
model.add(tf.layers.dense({units: 1, inputShape: [1]}));

여기서는 하나의 조밀한 레이어로 모델을 만들었습니다. 레이어에는 하나의 뉴런(단위: 1)이 있으며 단일 입력 기능(inputShape: [1])이 필요합니다.

2단계: 모델 컴파일

다음으로 최적화 프로그램과 손실 함수를 지정하여 모델을 컴파일합니다.

// Compile the model
model.compile({
  optimizer: 'sgd',  // Stochastic Gradient Descent
  loss: 'meanSquaredError'  // Loss function for regression
});

작은 모델에 효과적인 SGD(Stochastic Gradient Descent) 최적화 프로그램을 사용합니다. 손실 함수인meanSquaredError는 이와 같은 회귀 작업에 적합합니다.

3단계: 훈련 데이터 준비

이제 함수 y = 2x - 1에 대한 훈련 데이터를 생성하겠습니다. TensorFlow.js에서 데이터는 텐서(다차원 배열)에 저장됩니다. 훈련 데이터를 생성하는 방법은 다음과 같습니다.

// Generate some synthetic data for training
const xs = tf.tensor2d([0, 1, 2, 3, 4], [5, 1]);  // Inputs (x values)
const ys = tf.tensor2d([1, 3, 5, 7, 9], [5, 1]);  // Outputs (y values)

이 경우 입력 값(0, 1, 2, 3, 4)이 포함된 텐서 xs와 y = 2x - 1을 사용하여 계산된 값이 포함된 해당 출력 텐서 ys를 만들었습니다.

4단계: 모델 학습

이제 데이터를 기반으로 모델을 훈련할 수 있습니다.

// Train the model
model.fit(xs, ys, {epochs: 500}).then(() => {
  // Once training is complete, use the model to make predictions
  model.predict(tf.tensor2d([5], [1, 1])).print();  // Output will be close to 2*5 - 1 = 9
});

여기에서는 500세대(훈련 데이터에 대한 반복) 동안 모델을 훈련합니다. 훈련 후 모델을 사용하여 입력 값 5에 대한 출력을 예측합니다. 이는 9에 가까운 값을 반환해야 합니다(y = 2*5 - 1 = 9).

3. 브라우저에서 모델 실행

브라우저에서 이 모델을 실행하려면 TensorFlow.js 라이브러리와 JavaScript 코드가 포함된 HTML 파일이 필요합니다.

    
    
    
    <script src="https://cdn.jsdelivr.net/npm/@tensorflow/tfjs"></script>
      


    
Simple Neural Network with TensorFlow.js

app.js 파일에 위의 모델 구축 및 학습 코드를 포함할 수 있습니다.

위 내용은 JavaScript로 머신러닝 시작하기: TensorFlow.js를 사용한 초보자 가이드의 상세 내용입니다. 자세한 내용은 PHP 중국어 웹사이트의 기타 관련 기사를 참조하세요!