딥러닝 / 텐서플로우 설치

3  텐서플로우 설치

ㅇ텐서플로우란?

구글에서 신경망을 코드로 구현하기 쉽도록 개발한 프레임워크.

텐서플로우를 이용하지 않는다면 파이썬 날코딩을 해서 신경망을 개발해야 하는데 그러면 코드도 길어지고 아주 복잡해짐. 잘못 코딩하면 속도도 느려짐.

 

ㅇ텐서플로우 장점

1. 신경망을 구현하기 편하게 코드가 간결함

2. 신경망 구성에 필요한 모든 함수들이 다 내장되어 있음

3. 속도가 아주 빠름

4. GPU를 사용할 수 있음.

 

컴퓨터에서 계산작업할 때 CPU를 사용함. 다차원 배열을 가지고 계산을 해야하는 신경망의 경우 계산할 때 속도가 너무 느림. 그래서 CPU 대신 GPU를 사용하면 아주 빠르게 계산할 수 있습니다.

 

 

ㅇ텐서플로우 설치과정

1. 아나콘다 프롬프트창을 열고 가상환경을 만듭니다.

우선 버전을 확인합니다.

(base) C:\Users\ejcej> python --version
Python 3.9.7

가상환경을 만듭니다.

(base) C:\Users\ejcej> conda create -n snowdeer_env1 python=3.8.3

현재 버전이 3.9.7이지만 안정화를 위해 다운 버전으로 가상환경을 만들겠습니다.

conda create -n 가상환경이름 python=버전

-> 원하는 파이썬 버전에, 원하는 텐서플로우 버전을 사용할 수 있음.(버전마다 패키지가 다르기 때문에)

 

 

2. 만든 snowdeer_env1 가상환경을 활성화 시킵니다.

(base) C:\Users\ejcej> activate snowdeer_env1
(snowdeer_env1) C:\Users\ejcej>

 

 

3. snowdeer_env1 가상환경에 tensorflow를 설치

(snowdeer_env1) C:\Users\ejcej> pip install tensorflow

 

4. snowdeer_env1 가상환경에 jupyter notebook을 설치

(snowdeer_env1) C:\Users\ejcej> conda install jupyter notebook

 

5. 시작버튼을 누르고 anaconda에가서 보면 snowdeer_env1으로 생성된 새로운 주피터 노트북이 있는데 그걸 실행해야 합니다.

 

6. 텐서플로우로 구성한 단층 신경망 코드가 잘 수행되는지 확인해 봅니다.

import  tensorflow  as   tf

tf.random.set_seed(777)  # 시드를 설정한다.
import  numpy  as  np
from  tensorflow.keras.models  import  Sequential   # 신경망 모델 구성
from  tensorflow.keras.layers  import  Dense  # 완전 연결계층 
from  tensorflow.keras.optimizers  import   SGD  # 경사감소법 
from  tensorflow.keras.losses   import   mse    #  오차함수 


# 데이터 준비
x = np.array( [ [0, 0], [1, 0], [0, 1], [1, 1] ] )
y = np.array( [ [0], [0], [0], [1] ] )

#모델 구성하기 
model = Sequential()

#단층 퍼셉트론 구현하기
model.add( Dense( 1, input_shape =( 2,  ), activation ='linear')  ) 

# 모델 준비하기
model.compile( optimizer= SGD(), 
                     loss= mse, 
                     metrics = ['acc'] ) # list 형태로 평가지표를 전달한다.  


# 학습 시키기 
model.fit(x, y, epochs = 500)