머신러닝(ML)은 소프트웨어 개발 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.js.

왜 TensorFlow.js인가요?

TensorFlow.js는 기계 학습 모델을 완전히 JavaScript로 정의, 훈련, 실행할 수 있는 오픈 소스 라이브러리입니다. 브라우저와 Node.js 모두에서 실행되므로 광범위한 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 살펴보겠습니다!

1. TensorFlow.js 설정

코드를 살펴보기 전에 TensorFlow.js를 설치해야 합니다. 환경에 따라

브라우저 설정

브라우저에서 TensorFlow.js를 사용하려면 HTML 파일에 다음

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]}));

여기서 하나의 밀집 레이어로 모델을 만들었습니다. 레이어에는 하나의 뉴런(단위: 1)이 있으며 단일 입력 특성(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 있는 텐서 xs와 y = 2x - 1을 사용하여 계산된 값이 있는 해당 출력 텐서 ys를 만들었습니다.

4단계: 모델 학습

이제 데이터를 기반으로 모델을 학습할 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.

    
Simple Neural Network with TensorFlow.js

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