TensorFlow로 간단한 linear regression을 구현

이전 게시물에서 배웠던 linear regression을 구현해볼 것이다.

 

Tensor Flow가 구현하기 위해 기본이 되는 3가지 를 거칠 것이다.

 

1. 그래프를 빌드한다.

2. 세션을 통해 그래프를 실행을 시킨다

3. 그에 해당하는 값을 돌려준다.

1. 그래프 구현

H(x) = W(x) + b를 Tensorflow로 표현한 것이다.

# X and Y data
x_train = [1, 2, 3]
y_train = [1, 2, 3]

W = tf.Variable(tf.random_normal([1]), name="weight")
b = tf.Variable(tf.random_normal([1]), name="bias")

# Our hypothesis XW+b
hypothesis = x_train * W + b

여기서 tf.Variable은 변수를 생성하는 것이다. tf.random_normal은 정규분포로부터의 난수 값을 반환하는 것이다.

그다음으로는 hyporthesis를 만들어 준 것이다.

 

이제 Cost Function을 Tensor flow로 구현해 볼 것이다.

 

cost = tf.reduce_mean(tf.square(hypothesis - y_train))

tf.square는 제곱해주는 것이고 tf.reduce_mean 은 평균 내주는 것이라 생각하면 된다.

 

이제 Cost를 minimize 해야 하는 것이다. GradientDescent라는 minimize 하는 방법 중에 하나이다.

train = tf.train.GradientDescentOptimizer(learning_rate=0.01).minimize(cost)

이것이 선언했던 w와 b를 조정해서 스스로 minimize 하게 된다.

이 부분은 지금으로서는 매직이라고 생각하고 있는다.

 

2. 세션을 만들고 그래프를 실행시켜준다.

# Launch the graph in a session.
with tf.Session() as sess:
    # Initializes global variables in the graph.
    sess.run(tf.global_variables_initializer())

    # Fit the line
    for step in range(2001):
        _, cost_val, W_val, b_val = sess.run([train, cost, W, b])

        if step % 20 == 0:
            print(step, cost_val, W_val, b_val)

그래프를 실행하기 전 반드시 tf.global_variables_initializer()로 초기화를 해줘야 한다.

그리고 sess.run을 통해 train을 실행시킨다. 2001번 학습하여 20번에 1번씩 Cost, w, b을 보기로 한다.

 

3. 값을 돌려준다.

첫 번째 값은 0~2000은 학습을 몇 번 했는지를 나타내 주고 두 번째 값은 Cost의 값을 나타내며 학습할수록 굉장히 적은 값으로 수렴을 하게 되고 세 번째 값은 w값으로 1로 수렴이 되고 네 번째 값은 b는 0에 가까운 값으로 수렴하게 된다.

 

그리고 이것 말고도 처음에 데이터를 던져주지 않고 placeholders로 feed_dict로 값을 받을 수도 있다.

X = tf.placeholder(tf.float32, shape=[None])
Y = tf.placeholder(tf.float32, shape=[None])
...
    for step in range(2001):
        _, cost_val, W_val, b_val = sess.run(
            [train, cost, W, b], feed_dict={X: [1, 2, 3], Y: [1, 2, 3]}
        )
        if step % 20 == 0:
            print(step, cost_val, W_val, b_val)

결과는 전과 동일하다.

 

공부한 사이트:https://www.youtube.com/watch?v=mQGwjrStQgg&list=PLlMkM4tgfjnLSOjrEJN31gZATbcj_MpUm&index=5