 TensorFlow.org에서 보기
|
 구글 코랩(Colab)에서 실행하기
|
 깃허브(GitHub) 소스 보기
|
 Download notebook
|
이 문서는 구글 코랩(Colaboratory) 노트북 파일입니다. 파이썬 프로그램을 브라우저에서 직접 실행할 수 있기 때문에 텐서플로를 배우고 사용하기 좋은 도구입니다:
- 파이썬 런타임(runtime)에 연결하세요: 메뉴 막대의 오른쪽 상단에서 CONNECT를 선택하세요.
- 노트북의 모든 코드 셀(cell)을 실행하세요: Runtime > Run all을 선택하세요.
더 많은 예제와 자세한 안내는 텐서플로 튜토리얼을 참고하세요.
먼저 프로그램에 텐서플로 라이브러리를 임포트합니다:
!pip install -q tensorflow-gpu==2.0.0-rc1
import tensorflow as tf
MNIST 데이터셋을 로드하여 준비합니다. 샘플 값을 정수에서 부동소수로 변환합니다:
mnist = tf.keras.datasets.mnist
(x_train, y_train), (x_test, y_test) = mnist.load_data()
x_train, x_test = x_train / 255.0, x_test / 255.0
층을 차례대로 쌓아 tf.keras.Sequential 모델을 만듭니다. 훈련에 사용할 옵티마이저(optimizer)와 손실 함수를 선택합니다:
model = tf.keras.models.Sequential([
tf.keras.layers.Flatten(input_shape=(28, 28)),
tf.keras.layers.Dense(128, activation='relu'),
tf.keras.layers.Dropout(0.2),
tf.keras.layers.Dense(10, activation='softmax')
])
model.compile(optimizer='adam',
loss='sparse_categorical_crossentropy',
metrics=['accuracy'])
모델을 훈련하고 평가합니다:
model.fit(x_train, y_train, epochs=5)
model.evaluate(x_test, y_test, verbose=2)
Train on 60000 samples Epoch 1/5 WARNING:tensorflow:Entity <function Function._initialize_uninitialized_variables.<locals>.initialize_variables at 0x7fe4b1890598> could not be transformed and will be executed as-is. Please report this to the AutoGraph team. When filing the bug, set the verbosity to 10 (on Linux, `export AUTOGRAPH_VERBOSITY=10`) and attach the full output. Cause: module 'gast' has no attribute 'Num' WARNING: Entity <function Function._initialize_uninitialized_variables.<locals>.initialize_variables at 0x7fe4b1890598> could not be transformed and will be executed as-is. Please report this to the AutoGraph team. When filing the bug, set the verbosity to 10 (on Linux, `export AUTOGRAPH_VERBOSITY=10`) and attach the full output. Cause: module 'gast' has no attribute 'Num' 60000/60000 [==============================] - 4s 68us/sample - loss: 0.3053 - accuracy: 0.9115 Epoch 2/5 60000/60000 [==============================] - 4s 63us/sample - loss: 0.1499 - accuracy: 0.9556 Epoch 3/5 60000/60000 [==============================] - 4s 63us/sample - loss: 0.1153 - accuracy: 0.9656 Epoch 4/5 60000/60000 [==============================] - 4s 63us/sample - loss: 0.0908 - accuracy: 0.9723 Epoch 5/5 60000/60000 [==============================] - 4s 63us/sample - loss: 0.0778 - accuracy: 0.9757 10000/1 - 0s - loss: 0.0380 - accuracy: 0.9764 [0.07446383838625625, 0.9764]
훈련된 이미지 분류기는 이 데이터셋에서 약 98%의 정확도를 달성합니다. 더 자세한 내용은 TensorFlow 튜토리얼을 참고하세요.